近年来,由于具有重要的理论研究意义和广泛的应用背景,多智能体系统已逐渐发展成为一个有吸引力的课题,在理论和实践中均得到了深入的研究。在众多研究课题中,作为多智能体系统合作协调的基础问题,一致性控制仍是当今重要的研究方向之一。一致性控制意味着在所设计的控制策略下,系统的输出或每个智能体的状态可以与领导者保持一致。本论文基于自适应动态规划（Adaptive Dynamic Programming,ADP）方法,研究了一系列多智能体系统最优一致性控制问题,主要研究内容如下:首先研究了具有时间延迟的离散时间多智能体系统的最优一致性控制问题,目的是设计最优控制策略,使所有智能体状态与领导者保持一致。将具有时间延迟的离散时间多智能体系统进行转化,设计启发式动态规划算法（Heuristic Dynamic Programming,HDP）求解多智能体一致性控制问题,采用神经网络获得近似最优控制策略,最后通过仿真算例验证了所提算法的正确性。其次,由于复杂和不断变化的工作环境,多智能体系统通常会受到各种干扰的影响,这些干扰严重影响系统的稳定性能。因此,针对一类具有系统扰动的离散时间多智能体系统,提出了一种改进的HDP控制算法,以实现多智能体系统的一致性控制目标。引入辅助行为网络,并利用行为-评价神经网络获得近似最优控制策略,最后通过数值仿真验证所提学习控制算法的正确性,并将其与线性二次调节器（Linear Quadratic Regulator,LQR）进行对比,以证明该算法的优越性。最后,进一步考虑了切换拓扑情况下具有干扰的离散异构多智能体系统的输出一致性问题。首先,为每个智能体设计自适应观测器来解决对领导者状态和输出的估计。此外,提出了一种改进的基于数据的HDP算法,以实现领导者与所有智能体之间的同步,从理论上证明了该算法对完全未知的领导者估计的正确性,最后,通过仿真算例来说明理论结论的有效性。