智能体是人工智能领域中一个很重要的研究方向,多智能体的群集是多智能体之间协同合作完成任务的例子之一。多智能体群集的研究为设计实用的工程群体模型提供理论依据,对工程系统的优化设计也具有很大的启发作用,为发展分布式协调控制以及多智能体系统奠定了基础,所以多智能体群集算法的研究具有很大的理论价值和工程指导意义。现有的多智能体避障算法中只考虑智能体速度的大小,而没有考虑智能体速度的方向,这导致智能体在躲避障碍物过程中下一时刻速度的方向不确定,对此提出多智能体避障MAAO算法。首先对该算法进行了理论分析,经分析和仿真实验得出MAAO算法的时间复杂度为O(n2),但是对多智能体群集具有更快的收敛速度,证明了MAAO算法具有更高的躲避障碍物的效率。其次现有的多智能体群集算法均是在所有智能体均知道目标信息的条件下完成的,这在工程应用中具有一定的冗余性,并且在一定情况下是不现实的。所以在此引入引导者,即只有部分被选为引导者的智能体知道目标信息,从而引导其他智能体完成群集。本文在理论上分析了引导者的可行性,然后通过实验仿真证实了理论的可行性,在引导者所占比例不同的情况下统计多智能体的群集时间。得出引导者的比例越大,群集所用时间越短的结论。最后对所有智能体均不知道目标信息的条件下进行了研究。在所有智能体均不知道目标信息且通信距离时变的条件下,对多智能体的群集进行了研究。多智能体的群集由必然事件成为了概率性事件时,本文给出了群集概率的计算方法,并且通过统计的实际值与理论的计算值进行对比,验证了我们计算概率值的正确性。