(2)聚集控制

聚集控制的控制目标是使所有智能体仅根据自身获得的局部信息在一致性控制协议的作用下最终到达某一指定的目标地点。根据目标地点的动态类型，聚集控制分为静态聚集控制和动态聚集控制(又称跟踪控制)。文献[32]基于逆最优控制策略(Inverse Optimal Control)设计代价函数形成协作跟踪、障碍规避及控制代价一体的分布式最优控制过程，分别研究了多自主机器人的静态聚集控制及动态聚集控制问题。文献[33]基于Lyapunov函数和M矩阵理论研究了有向切换拓扑下由于执行器故障及丢包引起的控制输入随机丢失的线性多智能体系统的一致性跟踪控制问题。文献[34]分别基于状态反馈和观测器研究了具有单领导者的二阶多智能体系统有限时间跟踪控制，并将结果拓展到具有多领导者的多智能体系统的有限时间包含控制的研究中。

(3)编队控制

多智能体系统的编队控制的目标是使所有的智能体在编队控制协议的作用下形成一个预先设定的几何队形来完成某个整体任务。在多智能体系统的编队控制中，每个智能体都预知设定的队形信息，它们需要通过与邻接智能体的信息交互来协调自己的状态以完成编队任务。将系统实现一致时与预设队形的中心位置的误差作为平衡状态来设计一致性控制协议，使每个智能体获得设定队形的中心位置以形成编队队形。因此，编队控制作为一种特殊的一致性问题，已在地面移动小车系统、分布式小卫星群编队等工程领域得到广泛应用。

1.4　基础知识介绍

在多智能体系统的协调控制中，我们通常使用图来描述系统中智能体信息交互的通信拓扑结构。下面简单的介绍图论和矩阵论的基本知识[35]。

1.4.1　图的基本概念

图 表示智能体之间的通信拓扑。其中， 为非空顶点集， 为图中边的集合， 为图的阶数。 表示 中的一条边， 称为父节点， 称为子节点，表示节点 可以向节点 传递信息。在无向图中， 等价于 ；而有向图中 ， 是两条不同的边。若图 中任意两个不同的节点间均有边相连，则称图 为完全图。在 阶有向图 中，从节点 起始的边的个数称为 的出度，终止于节点 的边的个数称为 的入度。若存在一条边使得 ，那么 称为 的一个邻接节点。节点 所有的邻接节点用集合 表示。

任意两个节点 和 之间的路径是指由不同的边 ， ，……， 组成的有向序列。如果图 中存在一个节点到其他任意一个节点都有一条有向路径，则称图 包含有向生成树。称一个图是强连通的，是指任意两个不同节点之间都存在一条有向路径。对于无向图而言，如果图中任意两个节点之间都有一条路径，那么称此图是连通的。