21世纪是海洋的世纪。海洋对于人类的发展和社会进步将起到至关重要的作用。自主式水下机器人(AUV)系统是未来海洋探测和开发，以及完成各种水下智能作业任务的重要工具。作为水下机器人技术中的关键技术，研究如何实现水下机器人运动的精确控制以及多机器人系统控制具有重要意义。 本文首先研究了神经网络技术在水下机器人运动控制中的应用，为多机器人的协调控制提供基本技术保障。研究的重点在于通过优化神经网络算法以提高网络学习的收敛速度和提高网络学习的稳定性。实验证明，设计的神经网络控制器具有良好的控制效果，为水下机器人的运动控制开辟了一种新的思路和设计方案，这对研究自主式水下机器人的智能控制起到积极的推动作用。 其次我们对多水下机器人系统的分布式控制进行了探索性的研究，多水下机器人系统的群体组织方式与机器人混合控制结构，机器人之间的行为协调是本文的研究重点。试验的结果表明基于混合结构的行为协调可以构建一个有效的多机器人分布式控制系统，强化学习的引入使得系统可以得到较好的优化结果。绝大部分的工作都是建立在新的多水下机器人仿真器之上的，新的6自由度数学模型、限制水域及海流修正、声与非声传感器的模拟以及基于MAS的软件框架使得该仿真系统大大加速地逼近真实条件下的多机器人控制研究。