多智能体系统中各智能体之间的协调合作可以提高任意智能体个体的性能乃至完成个体单独完成不了的任务。当考虑到实际情况中的干扰因素时,比如环境,温度,带宽等诸多原因,多智能体系统中各节点之间的通信连接通常是变化的,就使得原来存在路径的两个节点之间可能发生中断。因此,本文基于T-S模糊理论,利用模糊逻辑系统去逼近多智能体系统的拓扑结构。同时,结合迭代学习控制方法来研究具有不精确拓扑结构的多智能体系统的一致性问题。本文具体工作如下:1.解决了带有领导者的单积分器多智能体系统在不精确拓扑下的一致性问题,利用不精确拓扑相应的分布式误差设计了合适的D型分布式迭代学习控制律,结合图论基础知识,Schur补引理,T-S模糊理论相关知识以及压缩映射原理,推导出了关于一阶多智能体系统在不精确拓扑下达到一致性的充分条件。其次,研究二阶系统的一致性,提出较为简单的双积分器形式,此时研究的速度和位移拓扑是同构的情况,根据对应的同构不精确拓扑下的模糊分布式误差提出了一种D型分布式迭代学习去研究二阶多智能体系统的一致性,并得到相应理论。2.对独立不精确拓扑结构下具有Lipschitz非线性的二阶多智能体系统的一致性进行研究,此处独立是指位移与速度拓扑结构不同,设计了一种PD型分布式迭代学习律,紧接着通过比较相邻迭代次之间的速度与位移误差,结合λ范数以及利用压缩映射原理推导出多智能体系统达到一致性的充分条件。进一步将独立不精确拓扑下二阶多智能体一致性问题推广到编队控制,并得出了相应的结论。最终,利用仿真实例验证了以上所得结论的有效性。3.解决了具有不精确拓扑结构下奇异多智能体系统的一致性问题,针对一般的奇异系统提出了一种分布式的迭代学习控制律,得到使得多智能体系统在有限时间区间[0,T]内达到一致性的充分条件,并将理论结果推广至编队控制,最后利用数值仿真证实了结论的可靠性。