复杂多智能体网络的协调控制及优化问题是控制领域近来研究的热点。在一定的条件下,复杂多智能体网络会涌现出一种群聚渐近行为。这利群聚性质在工业、军事以及民用等行业有着广泛的应用前景。网络上交通流的传输依赖于网络的拓扑、传输介质、路由协议以及智能体的性能等。就复杂多智能体网络优化而言,如何实现网络上交通流的优化传输以及如何设计合理的具有实际意义的分布优化算法是具有挑战性的问题。本文在前人已有研究的基础上,从控制论与优化的角度,利用随机分析的技术、代数图论与矩阵理论以及凸分析的方法研究复杂多智能体网络的协调控制以及优化的一些基本问题并得到一些新的研究结果。建立更具广泛意义的复杂多智能体网络模型。研究具有时变时滞与向量有界非线性的Markov跳不确定性随机复杂网络的混杂同步控制问题。通过引进调节参数,导出一些新的具更少保守性的全局同步的理论判据。并通过仿真例子检验理论结果的有效性。考虑噪声的乘性效应和加性效应,研究随机多智能体有向网络的一致性问题,提出几乎必然一致性算法,得出一些更具一般化的一致性判据,且改进与延伸文献中已有的一些相关结论。证明所提出的一致性算法的收敛性。给出数值仿真结果。研究具有信道噪声和内在非线性的多智能体有向网络的一致性问题。提出一致性协议,利用矩阵变换的方法将原来的多智能体网络转化为一个降阶的系统。为了衰减噪声,采用降步长的随机近似算法。证明算法的收敛性。通过数值例子检验理论结果。研究异质的传输网络中容量优化配置问题。在路由策略和网络拓扑给定的情况下,基于M/M/1排队论和Karush-Kuhn-Tucker优化理论,结合网络的一个重要的特征参量一节点介数,推导出容量优化配置问题的解析解,从而实现网络传输能力的最大化。由于每个节点的容量都是有限的,这就会导致传输包的排队,因而就产生了传输延时。为了处理网络容量与传输效率之间的矛盾,本文提出一种优化折中的策略。以Barabasi-Albert (BA)无标度网络为例,通过对序参量的仿真比较,验证理论结果的有效性。研究多智能体有向时变网络上的异步分布约束优化问题。通过混合局部投影梯度或次梯度算法与一致性策策略,提出部分异步分布优化算法。在该算法的实现中,不要求智能体与邻居智能体频繁的交换状态信息,而且在继续下一次迭代更新的时候不需要等待,因此,该算法耗能少,适用于大规模网络,具有很好的现实意义。在通常的假设条件下,证明所提出的算法的收敛性。另外,在随机的框架中,上述算法被用于求解具异常数据的无线传感器网络的鲁棒回归估计问题。最后,通过Monte Carlo数值仿真,验证所设计的优化算法的优势及有效性。最后对全文进行归纳总结,并对多智能体网络的协调控制与优化进一步的研究和发展方向进行展望。