本文研究了多agent离散事件系统的集中式和分布式监督控制。系统中的agent根据其状态转移结构被分为多组,每一组里的agent具有相似或相同的状态转移结构。这样的系统在工业生产中有着广泛的应用。系统中的agent（例如工厂中的机器、制造单元中的机器人以及物流系统中的AGV）执行着相同的任务,并且agent的数量可能随着时间发生变化。针对以上系统,本文共研究了四方面的内容。首先,本文利用每组里的agent状态结构的相似性为每一组建立了一个模型结构,从而设计了一个在全局观测下的可伸缩式监督控制器。所设计的监督控制器的状态数和计算过程都独立于agent的数量。因此当系统中agent的数量发生变化时（因加快效率增加新的agent或由于故障使得agent的数量减少）,所设计的可伸缩式监督控制器都不用进行重新计算。这样的可伸缩特性使得我们所设计的监督控制器可以控制大规模的多agent系统。另外,基于集中式可伸缩监督控制器,本文通过对系统中每一个agent设计了一个可伸缩式局部控制器来实现对系统的分布式控制。所设计的局部控制器与可伸缩式监督控制器有着相同的可伸缩特性并且确保了与全局监督控制器有着等价的控制行为。接着本文在可控性的基础上,进一步考虑了多agent离散事件系统的可观测性问题。研究了基于局部观测下的可伸缩式监督控制问题。本文在部分事件可观测的情况下利用模型结构设计了全局可伸缩式监督控制器。并且证明了在部分观测的情况下,本文所设计的监督控制器的状态数和计算过程都不会随着agent的数量发生变化。另外,基于集中式可伸缩监督控制器,本文还设计了局部观测情况下的局部可伸缩式监督控制器。证明了所设计的局部观测情况下的同一组里局部控制器都是相同的,因此其计算过程和状态数都与agent的数量无关。本文还将最优集中式监督控制器和本文所设计的基于模型的局部观测可伸缩式监督控制器进行了对比,并且给出了两者控制逻辑相等的条件。此外,本文证明了所有给出的条件都可以通过很低的计算量进行判断。本文接着研究了多agent离散事件系统的对称特性和相应的监督控制问题。在给定一个系统需求后,本文利用对称映射可以计算出系统需求的最大对称子语言,并且证明了一个可分解语言的最大对称子语言依旧是可分解的,从而是可以局部计算的。在研究了最大对称子语言的一级可分解性后,本文根据系统结构的两极特性进一步考虑了系统需求的二级可分解性。本文基于系统需求的最大对称子语言的局部计算和二级条件分解的概念提出了一个模型化方法来构建模型监督控制器,并且证明了同一组里的agent的局部控制器是相似的,因此是可以由模型监督控制器对称映射而得到。这种由对称映射来计算局部监督控制器的方法在系统拥有大量agents的时候可以有效地降低计算控制器的成本。最后为了减少因集中监督控制器或局部监督控制器的状态迁移事件所引起的观测/交流成本,本文设计了一个新的局部化算法以计算拥有尽可能少的状态迁移事件的局部监督控制器。本文所设计的局部化算法利用全局监督控制器的状态转移结构对监督控制器的每个状态和它通过一步变迁所到达的未来态对进行检测,并且将检测过程中所产生的状态转移事件利用一个新的状态集合进行记录。在检测完所有可能被检测的状态对后可以得到一个对应的局部控制器和它的状态转移事件集合。本文通过大量实验对新算法计算得到的状态迁移事件和此前已有的算法的计算结果进行了对比,得到新算法所产生的状态迁移事件通常情况下少于此前已有的局部化算法。此外本文还证明了本文所设计算法的时间复杂度比此前已有的局部化算法低以及最小状态转移事件问题是NP难问题。