本程序是自己针对一篇IEEE TCST文章，用matlab编程实现，已验证可以运行。附件有详细的程序使用说明，和对应的文章。适合多智能体的编队或一致性研究的初学者学习。(这个程序上传的时候少了一个m文件，请搜索本人上传的所有资源找到补充文件)

人工智能-机器学习-面向多智能体协作的启发式联盟结构生成算法研究.pdf

人工智能-机器学习-机械制造车间生产作业多智能体规划原理与板材套料优化方法的研究.pdf

安全技术-网络信息-面向复杂网络的多智能体进化聚类算法算法研究.pdf

固定拓扑和交换拓扑下多智能体系统的分散稳定性

文件说明： 一、算法代码文件夹内容： 附录A: cal_matrix.py 是仅限1v1情形下计算“normal form”的支付矩阵中的每一个元素的值的代码， 用于一致性检验，例如<4,2,2>情形下其输出为一个6x6矩阵。 附录B: LH.py是使用LH源代码的matlab代码的接口文件，由于LH源代码在健壮性和格式统一上有所不足， 因而编写该文件方便进行调用。 bimat.m即为LH源代码的matlab文件。 bimat_zero.m是适应零和博弈的情形的接口改动，LH.py实际直接调用的文件为此文件。 nash_recurrence.py是最初只适应于1v1的子博弈递推计算的代码。 nash_recurrence_2_2.py是在nash_recurrence.py基础上实现了双方智能体的扩展， 泛用于m v n 的情形，功能上可以完全取代nash_recurrence.py。 附录D: 强化学习代码相关文件。 包括DQN、NashQLearning两个文件中的强化学习代码以及trained_vs_DQN_main.py，shoot_env.py是训练环境代码，

综述了多智能体系统协调控制一致性问题的发展情况，介绍了解决一致性问题的主要原理和适用范围，对一致性协议进行了总结，对一致性问题研究的主要领域进行了深入阐述，对群集、蜂涌、聚集、传感器网络估计等问题进行分析和阐述。最后讨论了以上领域尚未解决的问题和未来的研究方向。

基于多智能体的深度强化学习RL的优化OBSS干扰的matlab仿真，matlab2021a测试，深度强化学习训练过程仿真较长。

异构混合阶多智能体系统编队控制的分布式优化,matlab2021a仿真测试

针对具有本质非线性动态的多智能体网络，研究分布式包容控制问题。假设只有部分个体已知领航者信息，依据相对位置和速度信息设计分布式控制律。基于代数图论、矩阵理论和Lyapunov稳定性分析方法，得出非线性网络实现渐近包容控制的充分条件。当跟随者之间有向强连通且每个跟随者都至少存在一个领航者与其通信，可选取合适的控制增益使得跟随者渐近收敛到由多个领航者所围成的静态凸包中。仿真实例验证了理论分析的正确性和有效性。