对于存在大不确定性的动态系统的控制问题是目前研究的一个热点。传统的自适应控制对于此类系统的控制不能取得较好的控制效果。多模型切换自适应控制方法为解决此类问题提供了一个有效的方案。本文以离散系统为对象分别研究了无噪声的确定系统，存在随机干扰的随机系统和基于神经网络的一类非线性系统的多模型自适应控制问题。首先，对确定系统进行研究。详细讨论了多模型切换系统模型集的构成，并根据固定模型和自适应模型的预测误差在多个控制器之间进行切换来提高系统的性能。并给出基于递推最小二乘算法(RLS)进行参数估计的多模型自适应控制系统的稳定性证明。其次，在上面的基础上研究了随机系统的多模型控制问题。针对随机系统中噪声干扰的特性，本文提出采用多种辨识算法同时辨识系统参数来构成模型集中的自适应模型，用多模型方法在线选择使整个系统性能最佳的模型，同时对该类系统的稳定性进行分析，并给出了整个系统的收敛条件。通过仿真验证了该方法的有效性。最后，研究了一类非线性离散动态系统多模型控制问题。模型集中包含两个模型，分别为线性自适应模型和基于神经网络补偿的非线性模型，相应的根据必然等价原则设计两个自适应控制器。在每个采样时刻，根据模型的预测误差计算各自的性能指标，并将控制器切换到性能指标函数较小的模型所对应的控制器上。该方法在保证系统稳定的同时提高了系统的性能。