近年来随着自动化技术的发展,多智能体系统被应用于更多领域,同时也面临各种运行环境与越来越多的严苛条件,主要体现为以信道带宽、传输延迟为主的通信限制,因无法获得GPS信号导致的绝对信息不可用,与单个智能体自身能量限制。而这些因素极大限制了多智能体系统的性能甚至有效性。为了使多智能体系统可以在这些不利因素影响下正常运行,本文针对各项不利因素设计了相应的触发与量化控制策略,获得了理想的效果。本文主要内容及创新工作如下:(1)当GPS信号不可用时,多智能体系统无法获取状态的绝对信息,只能通过测量获取相对状态(边状态)信息。在这种条件下,通常利用绝对信息作为判断触发条件的事件触发控制策略不再适用。本文中针对这种情况为单积分与双积分多智能体系统设计了基于相对状态与时间函数的边触发规则,证明了这种触发规则可以避免Zeno.现象。本文进一步考虑了各不相同的时变传输延迟下的一阶积分器多智能体系统,设计了一种新颖的分布式事件触发采样数据传输策略和协议,并利用Lyapunov-Krasovskii泛函推导出多智能体系统能够实现一致性的基于LMI的充分条件。(2)有限时间控制器和固定时间控制器可以在有限时间(或固定时间)内使系统达到精确收敛,结合事件触发策略亦可避免控制器连续更新。在现有的有限时间与固定时间事件触发一致性策略中,虽然Zeno现象在大多数情况下可以被排除,但在多智能体系统趋于精确一致时是无法避免的。本文中通过理论分析和数值模拟,揭示了现有的事件触发有限时间与固定时间控制策略无法避免Zeno现象,并提出了一种改进的事件触发控制策略,从而达到有限时间与固定时间实际一致性,并且避免了 Zeno现象。(3)量化存在于所有以计算机为基础的系统中(例如多智能体系统),这使得多智能体系统在一致性问题中仅能达到量化值一致,而无法达到精确一致性。Roger W.Brockett与Daniel Liberzon提出的动态量化器应用于线性系统可以使其实现精确收敛。本文中对这种动态量化器加以改进,加快了收敛速度,并将改进后的动态量化器应用于一阶和二阶多智能体系统,取得了理想的效果。本文亦对近期Kun Liu与Emilia Fridman提出的基于LMI的动态量化策略提出了多项改进,显著提高了收敛速度,减小了收敛范围的估计。本文还在这种策略的基础上提出一种适用于具有各异时变延迟与不同步采样的多智能体的动态量化策略,应用于线性多智能体系统,并取得理想效果。(4)水下多智能体系统利用水声通信,消耗较多能量,不足以支持使用常见的连续时间通信,故而使用时间触发策略,即采样时间通信。而现有的水下多智能体系统采样时间控制稳定性证明存在缺陷,导致其一致性结论不成立。本文中对现有的证明进行分析,提出了一种新颖的基于小增益定理的一致性理论,也为未来与事件触发策略结合打下基础。