人们最初受自然界中生物群集现象的启发，研究发现了多智能群体蜂拥行为的自然规律和运动准则，随着多智能体系统的不断发展，越来越多的学者开始从复杂网络的角度分析研究多智能体系统的全局特性，形成移动智能体网络领域的研究。在移动智能体网络中，研究者讨论了蜂拥行为的动态特性和网络拓扑结构之间的关系，并将理论研究逐渐应用于对实际生产生活中的无线传感网络，航天探测器和军事无人机等系统的蜂拥行为控制律的优化中。本文主要研究了移动智能体网络的同步蜂拥及牵制控制，在群体同步蜂拥的过程中，集中优化了动态蜂拥行为中网络的同步性能，并同时提高了网络的连通及抗毁性能，降低了移动智能体网络的功率消耗。本文的主要研究成果结构如下：首先，本文介绍了移动智能体网络中的基本概念，网络的基础知识及研究工具，并总结了群体蜂拥行为的基本模型及算法，给出了网络同步分析的原理和评判准则以及群体系统网络研究的稳定性理论，为后续研究工作提供了充实的理论基础。其次，本文基于移动智能体网络的拓扑结构形成，探讨了个体的感知半径与网络抗毁性能之间的关系，通过对无线传感网络中个体感知半径的调整，协调网络的功率消耗与网络性能之间的关系，提出一种基于网络中拓扑结构边数的代价函数，通过粒子群算法优化代价函数，得到使网络功率消耗较低，连通性能及抗毁性能较好的近似最优感知半径。仿真证明了该方案的可行性与有效性。再次，以实际生产生活中大规模应用的非完整约束移动机器人为研究对象，考虑其自身的机械运动特性，结合贝塞尔曲线对其群体蜂拥行为中的运动进行路径规划使其满足导向角和曲线运动中曲率大小的约束条件。本文利用最小外接圆圆心的方法实现了非完整约束移动智能群体的位置集聚行为，在网络初始连通的情况下，维持了蜂拥运动中系统的全局连通性，并通过不同的蜂拥优化策略分别降低了个体的运动损耗和提高了群体的同步性能。仿真证明了方案的可行性与有效性。最后，本文在移动智能体网络中引入了虚拟领航者，通过对获知虚拟领航者信息的部分节点实施牵制控制实现智能体网络跟随虚拟领航者趋向目标的蜂拥行为。本文提出一种基于最大度节点的位置优化牵制控制策略，以最大度原则确定牵制节点，并动态的调整牵制节点与其余节点的相对位置维持牵制节点的较大影响力，从而更加灵活并有效的控制整个网络运行至目标运动状态。仿真证明了该方案的可行性与有效性。