多智能体网络具有独立、分散、协调等特点,且还有较强的自组织能力、学习能力和推理能力。多智能体系统一致同步性问题是当前国际控制领域的前沿课题,具有广阔的应用前景。更值得一提的是,多智能体网络常常向大家展示了具有层次结构的分层系统,由其中顶点分离成小组,再由小组进一步组成新的小组,譬如生态系统中的食物链、遗传基因网络和社会网络。人们发现这些网络可以建立成为具有某些特性的群集智能,我们称这些具有分层结构的系统为多层多智能体网络系统(HMSs)。就目前的研究现状而言,可以说几乎很少人针对分层组织的多智能体系统给出数学模型,提出这一点在复杂动态网络的研究中是非常有价值的。在多层多智能体系统中,由于许多外界因素会导致系统的扰动,因此对于具有扰动项的系统的研究更具有实际意义。然而,我们知道,实际生产过程中,时滞是不可避免存在的,所以建立具有时滞非线性扰动项多层多智能体系统的模型是极其重要的。通常情况下,当不确定时滞的非线性扰动存在的时候,多层多智能体系统不会达到一致稳定。因此,为了使多层多智能体系统达到一致稳定,本文设计了一个有效的控制方案。大量的科学研究表明,复杂动态系统中的反推控制法能够有效地实现系统的控制,譬如反馈系统反推,积分反推、自适应反推和鲁棒反推等反推控制法,本文讨论了这几类反推控制法在使系统稳定的过程中的控制技巧。自适应控制器与鲁棒控制器是动力系统中两种重要的控制器,本文同样研究了这两种控制器在动力系统控制过程中发挥的作用与设计原理。综上所述,本文的核心研究成果是：本论文研究具有不确定非线性项的多层多智能系统的同步问题,设计并讨论了一个含有时滞不确定非线性项的多层多智能体系统(THMSs)的数学模型,并研究了该系统的同步性问题。为了克服需要知道精确的时滞以及大量控制器的缺点,本文采用牵制控制与反推控制法,通过建立一个Lyapunov-Krasovskii泛函,设计一个合理的控制器,证明了多层多智能体系统(THMSs)能够达到预期的同步。最后通过一个数值仿真实验,说明了本文方法的有效性。