随着科学的发展,工作环境和任务需求变得越来越复杂,单一智能体由于功能简单,自身局限性大,在这种情况下往往显得无能为力。受自然界中生物群落之间协作现象的启发,多智能体之间的协同控制逐渐受到了学者的广泛关注。分布式多智能体协同作为协同控制的方法之一具有单体计算量小、系统容错率高等优势,它主要包含以下几类问题:集群问题、编队问题、目标估计问题及优化问题。其中,分布式编队问题及优化控制问题是近年来研究的热点之一。但是,现有文献主要针对积分形式的动力学模型进行研究,并且在优化问题中,优化的性能指标往往是系统个体的状态函数和的形式,而不是泛函形式。针对这些缺陷,本文基于智能个体的运动学模型分析,研究和解决了多智能体的编队集结、编队运动及演化问题;然后分别针对有内部耦合的一阶离散系统和无耦合的二阶连续系统及离散系统,解决了分布式最优控制问题。本文的主要工作和研究成果如下:1.基于轮式小车运动学分析,借助一致性协议,研究了一阶离散多智能体系统的编队控制问题以及编队演化问题,提出了在保证原有通信通道不变情况下,使演化后系统能量最小的编队演化方法;接着针对含有小车位置、转速及偏向角信息的二阶多智能体系统,设计了分布式编队控制算法,使得系统状态可由任意初态出发,最终达到位置、速度和偏向角的一致。2.针对具有积分型性能指标,且带有内部耦合的一阶离散时间多智能体系统,设计了仅依赖原有内部耦合信息的分布式最优控制器,即控制器的耦合矩阵具有和原有系统内部耦合矩阵相同的零元素。通过增加自耦合系数及互耦合系数两个被控量,给出并证明了该最优控制器存在的条件,仿真对比了增加优化控制器前后系统的收敛特性。3.研究了具有积分型性能指标时,二阶连续系统及二阶离散系统的分布式最优控制问题,提出了保证积分型二次性能指标正定的充分性条件。在此条件下,借助最优控制的思想设计了对应的分布式最优控制器,使系统性能指标最小且状态达到一致,并推导出控制器中的耦合系数与性能指标中参数的解析关系式。