。
近年来，通过计算机来研究复杂的现象和开发人工智能系统的多智能体系统经历了
快速发展的时期。从关于分布式人工智能，基于个体的建模以及软件智能体的早期工作，
到20世纪80 年代以来逐渐形成和持续发展的多智能体系统的相关控制运用等方法，多智
能体系统一直处于广泛深入的学术讨论和应用探索的热潮中。
不同于早期工业发展时期的机械工作系统，自然、社会和经济活动行程的多智能体系
统[7]
一般不具有明确的目标。就像我们所熟知的“蚁群”现象一样，蚁群通过一定的自主
性来寻找食物，但同时又通过对路径上分泌物气的感知来提高寻找到食物的速度和准
确率。虽然“食物”这个目标是固定的，但是蚁群仍无法确定食物具体的位置，也就因此
体现出一种寻找通向食物的通道的智能探索过程。相较于比较微小的蚂蚁，身为人类的研
究者们自身当然是有具体目标的，并且通过观察和分析能够获得知识或获得调节这些系
统的方法。研究者为了明确目标建立的系统是有导向的，而多智能体协作完成一个任务或
实现一个目标的多智能体系统定义为多智能体控制系统[5, 16]
。多智能体系统的源系统一般
是真实的系统，者是或未来的真实系统。这些控制系统在我们的工作生活中应用极为广
泛。
在智能体的协调过程中，相互之间的协作所需要的信息以各种方式在智能体之间传
递。这些信息包括智能体的状态、位移、速度、加速度等。一致性是普遍存在于动物和人
类社会的 [3, 4, 8]
。对于一个好的控制策略来说，智能体面对无法预测的情况或突然发生变
化的环境，应将困难当成合作任务来完成 [12]
。因为所有智能体必须对该任务达成一致意见，所以随着环境的变化，所有智能体都会在某些关键信息（关键量）上达到抑制[6]
。因
此，一致性作为智能体之间协作的基础，是多智能体系统的核心问题 [9]
。经过前人的大
量研究，我们可以得出这样一个结论：当一个网络的拓扑结构是固定的时，只要网络保持
联通，那么连续一致性算法最终会趋于一致。
目前，只有少部分研究考虑了多智能体系统在饱和情况下的一致性问题 [28–31]
。其中，
文献[28,31]分别研究了饱和输入时的一阶积分器和二阶积分器一致性问题，文献[29]讨论
了约束条件情形下的分布式一致性问题，文献[30] 设计了一种基于速度信息的带饱和输
入的二阶积分器一致性控制算法。一般而言，需要设计非线性的反馈控制算法才能解决
饱和情形下全局的稳定问题，仅少数比较特殊的情况可以使用线性的算法 [28]
，然而在低
增益反馈控制算法的基础上可以设计线性反馈控制算法，从而使系统在有界时局部稳定
[22, 23]
。
因此，本文以上述的方法为基础，以飞行器编队为例，提出一种局部的一致性控制算
法，从而提出一种带虚拟领导者的一致性追踪算法。这篇文章的整体内容如下：第二章主
要介绍研究的背景以及问题的具体描述，第三章和第四章为全篇的重点部分，介绍了相应
的控制算法以及建模仿真，第五章是为了简化以及高效地运用该算法的拓展与思考，同时
结论和致谢词被安排在了全篇的最后。2 问问问题题题描描描述述述
2.1 问问问题题题背背背景景景
多机器人系统协作控制问题的出现来源于实际应用领域的需求。使用多个结构简单、 含饱和的多智能体系统中的控制问题(2):http://www.youerw.com/zidonghua/lunwen_13686.html