对分布式多智能体集群进行高效的协同控制是解决智能化工程领域中无人化自主作业问题的首要选择,而通过临近交互规则实现全局或局部一致性是网络化多智能体分布式控制的重要基础。受拓扑构型和传统一致性算法适用条件的限制,在新型应用背景下,多智能体集群的一致性收敛表现无法保证。为提升复杂感知场景下多智能体的协同效率,主要针对多智能体系统在单层拓扑场景下的连通性问题、事件驱动及关键节点定位问题,和多层拓扑场景下的层级控制问题展开研究。首先,针对单层拓扑场景下,网络连通性差导致多智能体难以高效地进行协同作业的问题,受牵制思想的启发,提出了基于链路预测的多智能体快速协同方法。在充分参考拓扑连接信息的基础上,基于链路预测方法的基本工作原理,改进了节点对相似性计算指标,并根据其计算结果在拓扑对应位置增加连边,以实现拓扑优化。仿真结果表明,该方法相比于其他的拓扑增边策略,更能提升多智能体系统的收敛速度。在分析拓扑整体结构的基础上,进一步针对网络节点因拓扑地位严重冲突,互相争夺有限的网络资源而难以进行全局一致性控制;网络状态受事件流驱动,造成感知信息的集中转发,导致通信堵塞而影响同步效率等问题,提出了基于自触发脉冲牵制的多智能体协同策略。改进了节点重要度计算指标,设计了脉冲自触发算法,并将两者统一到控制器的设计中。仿真结果表明,自触发脉冲牵制控制算法可以在降低控制成本的前提下,实现多智能体系统的高质量收敛。在单层拓扑结构的多智能体系统一致性研究基础上,针对多层拓扑场景下,多智能体系统的层间指向性协同问题,提出了基于牵制控制的多智能体层级控制方法。首先根据层间逻辑指向关系,将多层网络分为领导层和跟随层;针对各层网络面临的节点地位冲突问题,利用已提出的关键节点定位方法,在同层拓扑中选取关键节点进行牵制,并基于各层的关键节点,在层间按照控制逻辑关系构建混合拓扑;最后引入领导-跟随控制策略,设计了相应的层级协同控制律。仿真结果表明,所提出的算法可以有效实现既定的控制目标。