多智能体系统（MAS）在人工智能和控制理论领域的地位变得日益重要。学术界和工程界的研究人员越来越重视多智能体的理论研究和应用研究。多智能体系统能够模拟人类的行为，具有自治性、社会性、适应性、智能性等人类的特性，其应用涉及到人类社会生活的各个行业领域。随着信息基础设施的建立和完善，人们对多智能体系统应用的要求越来越高，而且高智能、网络化、高可靠性和快速适应性成为应用系统所追求的目标。这一目标正好和多智能体系统的特点相吻合，从而推动了多智能群体系统理论研究和应用研究。多智能体系统的特征使得它正在成为分布式人工智能研究的一个重要领域，并逐渐成为一个独立的学科，日渐成熟，国内外大量研究者进行了大量的工作，取得了较大的研究成果。从研究方法上看，国内外多智能体系统的研究大部分基于分离、调整、聚合三个基本原则，主要体现在：群体行为的模拟、多智能体系统计算和分布式问题解决装置研究等方面。 本研究基于最优控制的基本理论，构造性能指标函数，取代了模型研究，把研究工作归结为性能指标的构造，通过分散的性能指标完成复杂的任务，针对全局信息多智能体聚集性，具有可观测链的多智能体聚集性，多智能体编队控制等问题研究，并在网络传播等问题上提出了应用实例。我们的工作实际上做了多智能体系统与最优控制的一个有机结合。仿真实验发现，最终众多的具有相同特征的多智能体在分散的无集中式的最优控制下，完成目标任务。对于具有全局信息状态和局部可观测状态下的多智能群体，构造最优性指标，在引力/斥力函数模型的基础上，分析多智能体系统聚集特性，最终群体稳定地聚集在多智能体中心或目标智能体周围，而且在时间和空间上具备一定的可预测性。对于多智能体编队控制，我们基于最优控制器的有领航者的智能群体联合运动控制，利用势场函数和有向网络工具分析有leader的情况下群体聚集控制、编队控制，结合实际例子验证所得结果和有效性。在Viseck模型的基础上，对网络谣言、病毒传播做出动态分析，并提出如何防止或抑制传播的建设性意见。事实上，多智能体系统已经变成了一种描述复杂现象、研究复杂系统、实现复杂自适应性的计算方法。这类系统不依赖于某些外来的控制而存在，并且可以通过个体之间或个体与环境之间的交互隐现出现不可预见的外在宏观行为。过去研究多是用微分方程来刻画这类系统，这种自上而下的研究方法对多智能体初期的研究做出了重要贡献。但是通过对多智能体研究发现，单纯从宏观上刻画是不够的。于是自下而上的方法就诞生了，首先定义单个智能体，赋予一定的行为和参数，然后定义多智能体交互规则，通过对环境与个体之间的关系模拟智能体的系统和现象。