近年来,随着计算机技术和信息处理技术的快速发展,以群体为研究对象的协同控制技术有了迅猛的进展,并成为各领域学者的研究热点之一。而受大规模生物群体的群集运动的启发,蜂拥控制的研究受到了国内外众多科研工作者的高度关注,并凭借其良好的适应性、鲁棒性和自组织性成为群体协同控制领域的重要研究方向。考虑到实际工程应用问题,如何以尽可能少的控制成本实现高效率的全局行为已成为蜂拥控制领域研究的重要内容之一。本文在学习和总结已有成果的基础上,结合了复杂网络、图论和控制理论的相关知识,对复杂多智能体网络的牵制蜂拥控制问题做了进一步研究。论文的主要研究内容和成果如下:1.本文对近几年蜂拥控制的热点问题的研究进行较为全面的总结,从与本课题相关的预备知识、网络模型以及控制算法三个方面进行了归纳和总结,为接下来蜂拥问题的研究展开提供坚实的理论参考。2.针对当前多智能体网络蜂拥控制效率不高的现象,结合图论和控制理论的分析方法,提出一种基于网络特征重数的多智能体牵制蜂拥控制算法。该算法基于多智能体网络拓扑结构的邻接矩阵,根据其特征值的最大重数,得出网络可控时所需牵制个体的数目,随后进一步利用控制理论中的PBH判据确定具体的牵制个体,并为之设计牵制蜂拥控制律。与随机牵制策略和度最大牵制策略进行的仿真实验统计结果对比证实了所提算法在提升整个系统控制效率方面的有效性。3.在对蜂拥控制算法深入研究的基础上,发现控制效率直接影响多智能体网络的收敛特性,并且网络拓扑结构对网络的动力学行为特性有很大的影响。借鉴复杂网络的社区结构特性,研究基于社区划分算法的ER随机网络和BA无标度网络的快速蜂拥控制算法,确保网络连通性同时避免了“分块”或“局部聚集”现象。通过仿真实验来研究不同的初始拓扑分布和划分社区的个数对蜂拥收敛特性的影响,ER网络和BA网络的平均度以及BA网络度分布的异质性会影响复杂网络蜂拥控制的收敛特性。此外,划分后的社区的模块度值越大对提高蜂拥收敛速度越有利。