多智能体系统是指包含大量具有动态演化特征的个体以及个体之间的局部协作和相互作用的系统,是一类典型的复杂动态系统。一致性问题是多智能体系统研究领域的热点问题,对其进行深入研究,一方面能够为自然和社会中出现的复杂现象提供合理的理论解释,另一方面又可为多机器人系统、传感器网络和人造卫星簇等领域的新技术开发与应用提供重要的理论指导。本文研究在连续时间意义下多智能体系统的一致性问题,主要内容包括以下三个部分：1、多智能体系统的群一致性。考虑个体模型为一阶的情况,针对群之间的信息交换不连续的情形,设计了一类混杂协议来实现多智能体系统的群一致性,得到了一系列的充分条件及代数判据。进一步,考虑到自然界中的很多个体是可以做旋转运动,用Euler-Lagrange方程来描述个体的模型,同时针对系统参数是未知的情形,为实现群一致性,设计了群协同协议和参数估计器算法,从而得到了一些充分条件。在此基础上,考虑到在动力系统演化过程中,个体间的拓扑结构是变化的,提出了切换拓扑意义下的群一致性问题,利用Barbalat-like定理,得到了该问题的充分条件。2、二阶多智能体系统在复杂环境下的一致性。这里的复杂环境是指多智能体系统在演化过程中存在着外部干扰,使得个体不能得到邻居的即时速度信息。文中针对两种不同的情况,给出了相应的方法来克服扰动带来的影响,其一是仅知道干扰是有界的,并在其统计特征未知的前提下,为实现一致性,利用干扰的界,对邻居的速度设计了一类分布式的估计规则,从而保证整个系统实现静态一致；其二是在Leader-following的框架下,针对Leader的速度不可测,同时每个个体都具有相同的内在非线性系统的情况,设计了一类速度估计器,使得多智能系统系统实现动态一致,并且保证速度估计误差渐近地趋于0。3、多智能体系统在合作竞争网络中的一致性。在合作竞争网络中,边的权量为正表示相应个体间的关系为合作,权量为负表示个体间的竞争关系。由于存在着竞争关系,多智能体系统一般不能实现一致性。文中采用了两种控制手段来抑制竞争带来的不利影响,其一针对一阶带有非线性项的个体模型,首先将整个网络分成合作子网和竞争子网两部分,采用时滞控制方法,将控制加到竞争子网上,得到了一系列充分条件及代数判据,在此基础上,将结论推广到全竞争网络上,即所有边的权量均为负,也得到了一些充分条件。其二针对二阶的个体模型,提出了一类时滞脉冲控制方法,利用脉冲增益矩阵与时滞量之间的关系,得到了一致性的充分条件。最后,对全文研究内容进行总结与归纳,同时结合文中所存在的问题以及目前一致性领域的研究现状,指出了今后值得关注和进一步深入研究的方向。