多智能体系统的一致性问题吸引了越来越多的关注,在传感器网络、飞行编队和协同监视等方面都有着潜在的应用,研究目标是设计鲁棒的分布式一致性协议使智能体达到一致。如今具有噪声的多智能体系统的一致性分析是新兴起的一个研究热点,旨在探讨网络的拓扑结构对一致性的影响,网络的一致性行为是由网络的拉普拉斯特征谱来刻画。本文以确定性递归网络为研究对象,利用递归网络规则的拓扑结构,解析计算网络的一致性,着重分析网络的受控参数、领导者的个数和权重因子对一致性的影响,探讨递归网络的拓扑与一致性的内在联系,具体工作如下:第一章介绍了复杂网络的研究背景与发展历程,描述了确定性递归网络模型以及一致性动力学的相关内容。第二章提出了一类具有受控初始状态的确定性递归网络,利用网络规则的拓扑结构,得到了拉普拉斯特征值在连续两代之间的关系,解析得到了由所有非零拉普拉斯特征值的倒数之和与平方之和所确定的一阶、二阶一致性的表达式,分析了迭代参数对一致性的影响。最后探讨了网络一致性与拉普拉斯能量之间的关系,数值结果显示网络的一阶、二阶一致性随拉普拉斯能量以线性和指数速率增长,表明能量越大,网络的一致性越差。第三章研究了领导-追随者递归网络的一致性,选取网络的初始状态节点作为领导者,探讨领导者的个数对一致性的影响。利用网络的递归算法,得到了领导-追随者网络的一致性表达式。网络的一致性随着领导者的个数增加会变好,但发现无领导者的网络要比有领导者的网络的一致性要好。第四章探讨了递归网络的权重对一致性的影响,提出了一种计算此类加权递归网络的一致性的方法。解析得到了网络一致性的表达式,给出了网络一致性关于网络规模的幂律。网络一致性随着权重的变化展现出不同的一致性行为,当权重因子位于区间(0,1]时,权重越大,一致性越好。第五章对全文进行归纳总结及工作展望。