近些年来,无人机因其生存能力强、自动控制智能化等特点引起了极大地关注度。它成本低,并且容易操控,在完成复杂和枯燥的任务时展现出了较大的优势。在实际飞行中,无人机受到自然环境等多方面的威胁,因此对无人机进行航迹规划是无人机完成任务的关键。另一方面随着越来越复杂的任务以及越来越多变的工作环境,在执行任务时单个智能体的能力明显不足,需要利用多个智能体的合作与协调来完成单个智能体不可能或者很难完成的任务。本文首先对无人机在执行任务时的飞行路线进行了规划,寻求从起始点到目标点的最短路径,然后研究了多智能体系统的分布式协同控制问题,其中重点讨论了有关多智能体系统的一致性问题。论文的主要研究内容如下:首先,基于脉冲耦合神经网络的自动波传播特性,设计了一种改进的脉冲耦合神经元模型,该模型相较于传统的模型具有更加简单的结构,计算速度得到了大幅度的提升。改进的神经元组成的网络结构中,每个神经元仅与其周围的神经元横向连接,与障碍物之间没有连接。然后提出了一种通过快速并行计算来寻找最短路径的算法。详细的理论分析和仿真实验,该算法的有效性和准确性得以验证。其次,针对由一阶智能体和二阶智能体组成的异质多智能体系统,提出了一种能够解决该类系统一致性问题的快速一致性算法。在提出的算法中,智能体的当前状态信息用该智能体在特定时间内的平均状态信息代替。在固定网络拓扑结构下,基于图论、矩阵知识以及已有的一阶多智能体系统的一致性结论,得出了能够使异质多智能体系统更快的达到一致性的充分条件。通过实例仿真,该算法的有效性和准确性得以验证。最后,针对一类领导—跟随网络结构下的上述系统的一致性问题。当领导者是一阶智能体的情况下,设计了一个一致性协议。利用图论和矩阵分析原理等工具,通过对系统参数的一些限制,得出了能够使该领导—跟随网络结构下的异质多智能体系统获得一致性的充分条件。详细的理论分析和仿真示例验证了该一致性协议的有效性和准确性。