作为分布式人工智能的重要分支,多智能体系统能够把大而复杂的系统转化为小的,彼此相互通信的,易于管理的系统。近年来,多智能体系统在许多实际工程领域应用广泛,受到了国内外控制领域专家学者的极大关注。在多智能体系统协同控制中,一致性作为基础性问题更是成为关注热点。迭代学习控制以其能够在固定时间区间内完全跟踪期望轨迹的特点,被广泛应用到具有重复运行性质的多智能体系统的研究中。然而在实际多智能体系统的迭代学习过程中,由于受复杂条件的影响,导致系统在重复运行过程中发生中断,从而使每次迭代学习过程随时可能会发生中断,进而不能够达到和期望轨迹区间长度完全相同这一适用性条件,从而限制了迭代学习控制算法的应用。在这种情况下,本文针对一类执行重复控制任务的多智能体系统,研究了在区间长度可变的情况下,控制算法对期望轨迹的跟踪以及编队控制效果。本文的主要内容分为如下部分:(1)考虑带有虚拟领导者智能体的线性离散多智能体系统的一致性轨迹跟踪问题。首先假设系统具有固定的通信拓扑结构。通过一定的概率分布描述学习区间长度的变化情况,由于迭代学习区间长度随机变化,系统输出数据长度也是随机变化的。基于改进的系统跟踪误差构造一致性跟踪误差,提出了迭代学习控制算法。然后再给出系统跟踪误差能够渐近收敛的充分条件,采用压缩映射的方法,通过严格理论推导证明了在系统存在初始状态误差的情况下,所提出算法能使系统达到对期望轨迹的渐近跟踪,以及不存在初态误差时能够达到完全跟踪。最后通过MATLAB仿真验证了算法的有效性。(2)考虑带有虚拟领导者智能体的非线性离散多智能体系统的一致性轨迹跟踪问题。假设多智能体系统在通信拓扑结构下仅有部分智能体能够获取到领导者信息。在迭代学习区间长度随机变化的情况下,使用仅有的部分跟踪误差,设计了迭代学习控制算法,给出系统达到完全一致的充分条件。通过严格的理论推导,证明了算法的收敛性。最后通过MATLAB仿真验证了算法的有效性。(3)考虑带有领导者智能体的线性离散多智能体系统的编队控制问题。假设多智能体系统具有固定的通信拓扑结构,且跟随者智能体与领导者智能体之间保持固定编队形式运动。根据多智能体的拓扑连接结构,可将多智能体编队控制问题转化为跟踪问题。在迭代学习区间长度随机变化且系统存在初始状态偏差的情况下,构造多智能体系统的一致性误差,并基于压缩映射的方法分析了系统在范数意义下的收敛性。最后通过MATLAB仿真验证了算法的有效性。