目前,多智能体网络一致性仍是数学、物理和工程领域的热门探究课题。比如无人驾驶飞行器、自治潜水系统、通信、交通以及电网等,均是多智能体网络一致性问题在实际生活中的应用。随着技术的应用及发展,一些学者对于点对点一致性做了相关的研究。多智能体网络的点对点一致性是以领导层网络与跟随者层网络为研究对象,研究两层网络中相对应的智能体如何实现一致,共同完成某项任务。本论文分别采用事件触发控制和切换控制方法研究多智能体网络点对点一致性,并研究具有丢包的网络环境下智能体如何实现点对点一致性,主要完成的创新工作如下:(1)各层网络模型为非线性结构且智能体可以具有不一样的非线性动力学。为实现计算、通讯的减少及资源的节约,采用事件触发控制方法研究多智能体网络点对点一致性,同时考虑相邻节点之间采用离散通讯方式。最后,基于图论、李雅普诺夫稳定性理论,得到事件触发控制下点对点一致性的充分条件。(2)采用周期采样与事件触发相切换的控制方法研究点对点一致性。考虑网络模型为线性模型且每个智能体的状态矩阵均不相同。根据李雅普诺夫稳定性理论,给出两层网络实现点对点一致性的充分条件。仿真结果表明该切换方法能够避免芝诺现象的产生,并有效降低控制协议的更新频率。同时,触发时刻不需要在固定的观测时间点上,触发时刻更为灵活。(3)考虑网络环境中可能存在执行器暂停、网络流量拥挤、数据包传输失败等问题,这些问题会导致智能体之间的数据包丢失。针对这一问题,本文基于事件触发牵引控制方案,利用图论知识、矩阵理论并通过构建合适的李雅普诺夫函数,分别给出了牵引一个跟随者及牵引多个跟随者时两层网络实现点对点一致性的充分条件。最后,证明了芝诺现象不会产生,数值仿真验证了理论结果有效性。