近年来,越来越多的学者开始关注网络化复杂动态多智能体的协作控制,复杂动态网络和多智能体系统两类网络系统的控制研究都是控制领域的研究热点。随着复杂网络的发展,复杂网络的同步问题近年来是很多研究人员都关注的问题,并且已经成为复杂网络领域的一个研究热点。与此同时,多智能体系统的各个智能体之间如何协调作用最终实现控制目标—既多智能体的协调控制问题也是一个研究热点,而实现协调控制的关键即为要使智能体达到一致。虽然关于连续系统复杂动态网的同步问题及多智能体的一致性问题的研究成果已经相对成熟,但是在实际应用中,离散系统有着更广泛的应用背景,离散系统的作用时间是离散的采样时刻,系统模型具有强不确定性,这些特点使得离散系统更加适用于实际的工程应用。因此,离散时间的复杂动态网同步问题及离散多智能体的一致性问题都是值得研究的课题。　　基于以上,本文主要研究离散的网络系统,主要内容如下:　　第一,对离散时间带头节点多智能体系统的一致性进行了研究,针对具有固定拓扑的多智能体系统,利用迭代学习控制的方法,在系统的初始重置误差不存在的情况下,设计了一种分布学习控制律,得出了使智能体系统的所有从节点都能在有限时间区间上完全跟踪头节点的充分条件,从而实现了系统的一致性,最后利用数值仿真实例验证了算法的有效性和可行性。　　第二,在上一部分研究离散时间带头节点多智能体系统一致性的基础之上,针对具有切换拓扑的多智能体系统,利用迭代学习控制的方法,设计分布式迭代学习控制律,并设计了一种分布式的初态学习,避免了初始重置放宽了条件,证明了所给控制律可以使得跟踪误差在有限时间段内渐近收敛。进一步,还分析了一阶差分动态离散时间多智能体系统的编队控制问题。最后,利用数值仿真实例验证了算法的有效性。　　第三,分析了离散时间复杂动态网络的同步理论,通过Lyapunov稳定性方法对网络的稳定性进行分析。在复杂网络的同步轨迹、拓扑信息等都是随着时间变化、都具有不确定性的情况下,为实现这类网络系统的同步,我们在假设网络的耦合配置矩阵有界,以及内部耦合矩阵的扰动范数有界的前提下,设计了一种加性非脆弱反馈控制算法使得网络达到了全局同步。