多智能体(例如移动传感器,无人运载器等)系统,作为分布式人工智能研究的一个重要分支,由于其具有较强的容错性、鲁棒性和可扩展性等优点,被广泛地应用于军事、工农业生产、医学、交通、服务等各个领域。多智能体系统是由多个具有计算和移动能力的智能体所组成的集合,其中每个智能体是一个物理的或抽象的实体,能作用于自身和环境,并与其它智能体通讯。本文就实际情况下不同的应用需求,给出分布式多智能体的若干协调控制算法。本文的研究工作可以概括为以下几个方面：本文研究了基于搜索区域分割的多智能体协同搜索问题。对于搜索区域较大的情况,通过对搜索区域进行适当的划分,可以使得所需找到最优目标的时间和复杂度被大大降低。由于单智能体搜索算法的收敛速度和搜索区域的参数有关,本文通过对搜索区域进行分割,使得各分割区域内的该参数达到一致,从而令每个智能体在给定的分割区域内进行搜索,可以以最短时间搜索到最优目标。针对分布式系统中非凸网格环境下的移动智能体全局最优覆盖问题,本文提出了一种基于改进的模拟退火算法的多智能体运动控制策略,使每个智能体通过对自己当前位置和邻居位置的覆盖价值函数的计算,以概率来进行位置坐标的更新。在此控制算法下,多智能体最终以概率1收敛到全局最优分布中,使得覆盖价值函数值最小。和以往的覆盖算法相比,该算法不仅只需要邻居的节点位置信息,而且能更有效地解决非凸环境下的全局最优覆盖,并对环境内的障碍物的存在也放宽了限制。研究了基于接收端反馈信息的多智能体波束形成问题。根据无线传感网络系统的不同(多智能体是否有区别,是否编号等)提出了两种作用于智能体上的分布式波束形成算法,使所有智能体传递的信号能够在接收端能达到耦合,从而增强接收端的信号能量。在每次迭代时,单个或多个智能体根据接收端反馈回来的信噪比(SNR)信息进行相位更新,从而不需要同其他智能体进行通讯。本文提出了一种新的分组更新相位的反馈式波束形成思路,不仅在收敛速度上较以往有了很大的提升,在不知智能体数目和编号的情况下也能很好的应用,且保证收敛速度是随智能体数目的提升而线性地增加。另外,所提的算法也能很好的处理噪声带来的影响。针对远距离通讯的无直接反馈系统,尤其是初始时刻接收端位于发送端通讯区域之外的情况,本文提出了一个基于移动辅助智能体节点的闭环反馈分布式传递波束形成算法。在假设由发射端到接收端的距离和到接收端的角度(DoD)都可以被估算出来的情况下,对该辅助智能体提出了一个“停止-前进”策略,使该智能体沿着接收端的方向移动,并将信噪比信息反馈回发送端。通过每一步接收的信噪比反馈信息,借用上述所提的基于反馈的多智能体波束形成算法来更新发射端智能体的相位,从而最大化移动节点上的信噪比值。本文给出结论,一旦该移动智能体远离发射端一定距离阚值,移动智能体上的最大信噪比则意味着接收端具有足够大数值的信号能量,从而确保接收端最终位于发射端的通讯区域之内。该算法可以处理分布式波束形成问题中智能体组和接收端之间无通讯连接的情况,这在已有的文献中很少存在。另外,和仅有的几种无反馈波束形成算法相比,该算法可以快速的达到接收端所要求的通讯质量要求,且具有一定的DoD误差容忍度。对于本文所提出的分析建模方法与控制算法,不仅给出了严格的理论证明,还通过Matlab仿真进行了验证。