近些年来,在计算机科学、自然科学以及社会科学等领域,大量的研究工作开始集中于多智能体系统的协调控制问题。多智能体系统的研究方向可以分为一致性、跟踪、编队、包含控制等。一致性作为多智能体系统协调控制的一个基本研究问题在过去的几年中得到了深入的研究。在现有的一致性问题研究中,大部分学者都是假设智能体的状态可以任意变化而没有任何约束。但在实际应用中,往往需要保证每个智能体始终保持在一个特定的区域内,在此基础上达到一致性要求。本文主要研究当多智能体系统含有状态约束和参数不确定性时的一致性问题。所取得的主要成果如下:在通讯拓扑结构为无向连通图的条件下,研究了多智能体系统分布式状态约束一致性问题。对于每个智能体,其状态约束条件可以表示为一个个封闭的凸集,并且这些集合的交集不为空。当多智能体系统最终达到一致性时,系统的收敛点在状态约束集合的交集中。本文在一致性算法的基础上,利用投影算子的特性使得系统达到一致时,每个智能体满足状态约束条件。考虑到实际系统中包含参数不确定的情况,通过一种分布式自适应一致性控制算法实现系统的一致性。然后将这种算法拓展到二阶系统中去,并且应用李雅普诺夫稳定性理论确保系统稳定。在通讯拓扑结构为有向图且包含一个有向生成树的条件下,研究了状态约束时变的多智能体系统一致性控制算法。将带有状态约束的多智能体系统转换成一个新的无状态约束条件的系统。原系统的状态约束一致性可通过证明新系统的稳定性与一致性得到。由于有向图的拉普拉斯矩阵具有非对称性并且系统含有参数不确定性,利用模型参考自适应控制算法来解决这个问题,并为不确定系统设计自适应控制算法。然后,研究了当多智能体系统存在时变状态约束条件下的性能改进一致性优化算法,并通过李雅普诺夫稳定性理论与输入状态稳定性理论证明了多智能体系统的一致收敛。