随着计算技术、通信技术和控制技术的快速发展,多智能体的分布式协同控制在学术界受到了密切的关注。其中一致性控制是多智能体协同控制中一种很常见的控制问题,其目的是为了让处于同一个通信网络中的所有智能体的状态达成一致,完成同一个设定的目标。目前在多智能体协同控制中常见的控制技术有比例积分控制、模糊控制、模型预测控制等,这些方法仅仅考虑了系统的稳定性,无法实现能耗的最小化。自适应动态规划算法在保证系统稳定的基础上,求解了系统的最优控制,性能指标函数相较于传统控制方法有了显著的提升。自适应动态规划算法是自动化领域为了求解最优控制而诞生出的一种多阶段决策方法,该算法利用神经网络来近似非线性复杂系统的数学模型,为许多行业的智能化升级提供了理论支撑。自适应动态规划对于解决多智能体一致性控制这种复杂的非线性问题,具有消耗能量小、控制效果优、计算能力强的优点,优势十分明显。本文通过自适应动态规划规划算法来解决多智能体的一致性控制问题,主要研究工作如下:(1)针对一类输入受限的多智能体系统,提出了基于自适应动态规划算法的一致性控制方案。本文通过在性能指标函数中引入非二次泛函,将饱和多智能体控制问题转化为优化问题。通过性能指标函数可以构造出哈密顿-雅克比-贝尔曼方程,为求解该方程引入了策略迭代算法,并且对迭代算法的稳定性做出了分析,使得算法具有可行性。为了拟合本地性能指标函数,设计了在线神经网络控制器,对相应的哈密顿-雅克比-贝尔曼方程给出表示方法,并采用梯度下降法得到权值的自适应更新律,使得算法能够顺利运行。(2)针对外界干扰下的多智能体系统,设计了最优一致性控制算法。首先在跟随者的动力系统方程中加入了干扰项,随后又在其效用函数中,加入了干扰项的二次型函数。为了求解扰动影响下的一致性最优控制,需要同时考虑控制输入和干扰项的影响,基于非零和微分对策理论,实现纳什均衡。最后在仿真阶段,增加了与理想状态下实验结果的对比,以直观体现出本章算法的实现效果。(3)针对同时具有外界干扰和输入受限问题的多智能体系统,为其设计了分布式一致性最优控制方案。结合输入受限和外界干扰下的多智能体系统最优控制中的各自的性能指标函数,定义了这类系统的性能指标函数。设计李雅普诺夫函数,并求出了系统稳定性条件。最后的仿真实验中,在保证系统稳定的前提下,加入了一个外界扰动,同时考虑控制输入的限制条件,得出了稳定的仿真结果,实验结果验证了算法的有效性。