近年来,由群体智能行为而引发的智能群体协作现象吸引了不同邻域的研究者的关注。把群体和网络研究相结合是现今主流的研究方法,本文中我们把由多个智能个体组成的智能群体抽象为由多个节点所构成的群体网络,进而对这类智能群体合作网络的一致性进行研究。从微观世界到宏观世界,从生物体到人类社会,群体的合作关系无处不在。在无法预测和突变的复杂环境中,保持和维护信息的一致对于智能群体之间的合作是非常有必要的。因此一致性问题是智能群体合作网络研究的核心问题之一,并且智能群体合作网络的一致性问题已成为系统控制领域中具有挑战性的前沿方向之一。以智能群体合作网络的一致性中Vicsek模型为例,其仅仅通过几条简单的运动规则控制群体中的智能个体,就能够使得整个群体网络出现复杂的涌现现象。基于Vicsek模型的后续研究成果不仅为智能群体合作控制提供理论基础,而且为智能群体合作控制的实际应用提供指引的明灯。通过对智能群体合作网络一致性的研究,一方面使我们充分了解生物之间智能协调达到一致的过程,另一方面能通过借鉴生物体的这种智能对实际的群体网络进行控制,从而让整个网络呈现出所期望的一致性行为。如无人驾驶机的合作控制,矿难搜寻工作的实施,以及网络拥塞控制等方面的应用。在此背景下,本文主要从智能群体合作网络的拓扑连通的角度分别对智能群体网络中的两个主要的一致性行为——群集和集聚方面进行更深入的研究。在纵观和参考相关文献的理论基础上,本文主要做了以下几方面的研究工作:首先,对智能群体合作网络一致性的研究现状进行了介绍。特别针对群体合作网络中的一些经典模型,如Boid模型、Vicsek模型、位置集结模型以及一致性基本算法的基本规则进行归纳总结,并且给出解决这类群体合作网络一致性问题的工具:代数图论和矩阵论的基本理论。其次,针对智能群体合作网络的拓扑连通对一致性的影响进行了研究。基于Vicsek所提出具有相同速率和不同方向的群体网络,在忽略噪声等外界干扰因素的影响情况下,对网络的连通性进行了分析。分别从具有特殊拓扑结构的智能群体合作网络和具有动态拓扑结构的智能群体合作网络两方面进行研究。对于一类具有特殊的拓扑结构的智能群体合作网络,给出了该网络达到一致性的一个充分条件,并通过Netlogo动态仿真给予验证。针对具有动态拓扑结构的智能群体合作网络,通过添加一个虚拟领导者(leader)把反馈的网络拓扑连通性能传递给其他智能个体,使得智能个体自动调节感知范围,得出适合智能群体合作网络的拓扑连通的最佳感知半径,从而保证智能群体合作网的连通。再次,针对智能群体合作网络的一致性的收敛效率问题进行研究,对描述智能群体网络的Vicsek模型收敛效率不高的问题,通过对网络的位置拓扑关系的研究,提出一种使得网络中所有个体运动方向快速达到一致的新规则,该规则以个体邻域集合内运动方向偏差最大的两个邻居个体的运动方向的中值作为个体下一时刻的运动方向,取代Vicsek模型及其线性化模型的运动方向更新方程。并且从拓扑连通的方面考虑,证明了新规则作用下的智能群体合作网络的稳定性。基于Netlogo仿真平台,对比研究了新规则作用下的改进模型与Vicsek模型及其线性化模型的收敛效率,通过计算机仿真,表明新规则控制下的改进模型使得网络达到方向一致的速度明显加快,可有效提高智能群体动态行为的收敛效率。最后,基于Gazi的吸引排斥力函数模型对智能群体合作网络的位置集结一致性问题进行研究,提出了一种新的基于最远邻居的位置集聚模型,通过和Gazi的吸引排斥力函数模型进行对比,发现所提出的新模型能够克服全局交互的缺陷,并且在智能群体合作网络的初始分布弱连通的情况下也能够达到预期的效果。通过Matlab仿真平台对所提出的结论进行了对比仿真,从仿真上再次验证所提出策略的可行性。