近年来,多智能体系统的分布式协调控制问题引起了学术界的广泛关注。其中,以任务环境监测为背景的覆盖控制问题,逐渐受到学术界的重视。覆盖控制问题不仅涉及到智能体之间的协同,同时还要考虑智能体与任务环境之间的联系。此外,智能体的最终状态需要通过优化的方式确定。覆盖控制的相关理论能够高效地解决环境监控、灾难救援、空间探测、污染防治等复杂任务。因此,对其研究具有重要的理论意义和应用价值。基于此,本文针对环境污染协同清除任务,利用计算几何、分布式优化和稳定性理论,论证并实现了不同情况下多智能体系统对任务环境的动态覆盖控制。主要内容包括:研究了面向执行类任务的多智能体动态覆盖控制问题。已有的覆盖控制研究,主要针对静态、安全环境的传感器协同监测任务,很少针对动态、危险环境的执行器协同清除任务。当环境存在有害污染物时,智能体需要携带执行器,不断清除污染物,降低其对环境的损害。与协同感知任务相比,协同清除任务必须考虑执行器对污染物分布规律的影响。为此,定义了基于全范围执行器性能函数的密度函数,并直接以任务环境平均密度值构建目标函数。为优化该目标函数,设计了基于状态切换的动态覆盖控制算法,证明了所设计控制算法能确保目标函数渐近收敛于最小值。和已有覆盖控制方法相比,该算法具有更好的优化效果和更小的跟踪误差。针对执行器清除范围受限和负荷分配不均衡的情况,研究了执行器负荷平衡的多智能体动态覆盖控制问题。基于参数可变的执行器性能函数,定义了任务环境的密度函数,构造了有限半径的广义维诺划分。通过分布式计算受限维诺质心,将多智能体覆盖控制问题转化为单个智能体的最优轨迹跟踪问题,进而设计了基于状态切换的动态覆盖控制算法,证明了该算法的收敛性。另外,由于执行器负荷各不相同,为实现负荷平衡,构造异质广义维诺划分,设计了基于限幅器的负荷分配调节方法。仿真结果表明该调节方法可有效避免多智能体系统陷入局部最优配置。针对移动污染源数目,出现时间和方位事先未知的实际情况,研究了传感器与执行器任务平衡的多智能体动态覆盖控制问题。为及时发现和清除污染源,引入了智能体的任务分配变量。基于该变量,将覆盖控制问题转化为关于智能体移动代价的多目标优化问题。利用积分的莱布尼茨微分法则,得到了目标函数取最值需满足的条件,进而确定了目标函数的驻点集。采用状态切换的控制方法,分别设计了智能体的运动控制器和任务分配控制器,证明了闭环系统的稳定性。在保证目标函数收敛于最小值的同时,所设计控制算法能显著提高发现移动污染源的成功率。针对执行器化学清除剂数量有限,并且污染物浓度分布服从扩散方程的实际情况,研究了污染物扩散过程的多智能体动态覆盖控制问题。将智能体执行器的喷洒过程作为反馈控制项,引入到污染物的反应扩散方程中。通过有限差分的方法,重构了污染物浓度的分布函数,并以此作为任务环境的密度函数。基于该密度函数,构建了关于智能体移动代价的目标函数。为最小化该目标函数并保证任务环境的平均密度值始终低于给定值,采用状态切换的控制方法,分别设计了智能体的运动控制器和扩散过程控制器,实现了多智能体系统对环境污染物的最佳清除效果。