多智能体系统的一致性问题是近年来系统与控制界兴起的一个热门的研究课题,可以应用于很多实际领域,如多飞行器系统队形控制、智能电网的资源分配、多传感器系统的协同探测等。一致性行为是指所有智能体在控制算法的作用下,其状态信息或输出信息随着时间演化最终达到相同的值。本论文主要对多智能体系统中的事件触发控制和分布式优化来实现一致性进行深入的研究。相对于周期时间采样控制带来的能量消耗和资源浪费,事件触发控制采用非周期的采样控制,减少了采样次数,是一种很有效的控制手段。分布式优化,通过凸优化算法求解优化问题的最优解,即所有智能体的状态都达到一致时的值。可以看到,事件触发控制是从控制角度来研究多智能体系统,而分布式优化是从优化的角度来研究。本文的主要内容如下:第一、研究基于状态反馈的事件触发控制实现多智能体系统的领导者跟踪一致性控制。领导者跟踪状态一致性是指系统中存在一个独立自主的智能体作为领导者,其他智能体通过控制器的作用,使得其状态最终可以收敛到领导者的状态。根据何时进行采样,何时与邻居信息进行交互以及何时更新控制器等因素,我们总结了三种不同的触发机制,并在基于状态反馈的事件触发控制下,能最终实现领导者跟踪状态一致性。在三种触发机制下,系统都能排除芝诺行为,即在有限的时间内无限次的触发可以避免。最后,进行了仿真实验,验证了控制器的有效性。第二、研究基于状态观测器的事件触发控制实现多智能体系统一致性控制。当系统为线性多智能体系统时,利用矩阵指数函数设计一种新的触发条件和相对误差向量,此时的触发条件称为时间依赖型触发条件。网络拓扑为具有有向生成树的有向图,设计的两种不同的基于状态观测器的事件触发控制都可以保证闭环系统达到稳定性,并排除了芝诺行为。通过仿真实验验证了理论分析的正确性。第三、研究基于函数观测器的事件触发控制实现多智能体系统一致性控制。首先,在权平衡的有向拓扑图下,我们提出了两种不同的基于函数观测器的事件触发控制应用到领导者跟踪一致性控制。接着,针对时间依赖型触发条件时,在有向生成树的有向拓扑图下,提出的控制器使得系统达到无领导者一致性控制。最后,当推广到多个领导者的多智能体系统包围控制时,也可以证明控制器的有效性。每个小节都通过仿真实验验证了控制器的有效性。第四、研究多智能体系统的分布式优化问题,即假设每个智能体都有一个自己的目标函数,各智能体之间可以进行局部的信息交流,设计分布式优化算法使得每个智能体在优化自己的目标函数的同时,能保证系统的状态同步收敛到整体目标函数的最优解。首先,针对无约束的优化问题,提出基于一致性的分布式ADMM优化算法,再利用一阶近似的方法,提出非精确一致性ADMM算法,并证明可以达到线性收敛率。其次,针对带约束的优化问题,先转换成对偶问题,再利用拉普拉斯矩阵的性质,将对偶问题变形成新的一致性优化问题。设计对偶一致性ADMM算法,和改进的非精确对偶一致性ADMM算法,来实现最优。