近年来,随着移动通信技术、计算机技术和分布式网络的快速发展,多智能体系统和信息物理融合系统开始被大量的用来完成某些复杂的任务,例如无人驾驶飞行器编队、智能电网和分布式移动传感器网络等。多智能体系统的复杂性不断提高,尤其在多智能体还将受到所处的复杂网络(包括物理网络和信息交互网络)结构的影响情况下,如何有效提高多智能体系统的一致性收敛速度是多智能体系统研究中的一项极具挑战性的研究课题。本文运用代数图论、矩阵论等数学理论和计算机仿真技术相结合的方法,研究了几类复杂网络上多智能体系统协的一致性收敛速度。在研究方法上,运用拉普拉斯矩阵刻画多智能体所处的复杂网络的拓扑结构,再用拉普拉斯矩阵的最小非零特征值度量多智能体系统的一致性收敛速度。在复杂网络的数学建模基础上,通过计算机仿真发现:不同的复杂网络结构模型导致多智能体系统一致性收敛速度不同,影响的因素也不同。具体的提高网络一致性收敛速度的方法是:在最近邻耦合网络中,减少网络中节点数N或增大耦合数K,;在Waxman随机图网络中,增加节点数N或增大其模型中的参数α和β,当β在增大时收敛速度整体上是在线性的增长,但会出现小的波动,在NW小世界网络中,增加节点数N或者增大随机化加边概率p,收敛速度与二者具有良好的线性关系。综上所述,本文提出的研究方法和研究结果对提高各种复杂网络上的多智能体系统的一致性收敛速度具有一定的借鉴价值和指导意义。