在自然界中，蜜蜂采蜜或者回巢具有很明显的群体特征。在集体觅食或者集体回巢的时候，蜜蜂会根据周围蜜蜂的信息或者领头蜜蜂的信息来修改自己的运动路径，最终整个蜂群会以统一的速度和方向到达目的地，这种现象称为蜂拥现象。人们依据蜂拥现象提出了类似的蜂拥网络模型，从复杂网络信息交互、拓扑结构等多个角度对蜂拥网络进行研究，成为了复杂网络研究中新兴发展的一支。在蜂拥模型下的相关优化的研究也在不断深入。　　本文主要研究了具有自适应策略卡尔曼滤波的蜂拥网络，在这种卡尔曼滤波的应用下，蜂拥网络能更好的应对网络环境的变化，减少对全局信息的依赖，提高了网络的适应性，使蜂拥网络能保持一致稳定。　　首先，本文研究了多智能体蜂拥网络的一般模型，描述了蜂拥网络模型的拓扑结构，网络的节点之间的连接性受到距离影响，介绍了网络中的关键参数，并说明了多智能体蜂拥网络模型的连通性。　　其次，本文根据一般的卡尔曼滤波模型，针对传感器观测过程，构建了一种具有自适应策略的卡尔曼滤波模型，这个模型通过对自身观测值的迭代，减少了对于邻接节点观测值的利用，将两种滤波模型进行了对比，这种自适应策略卡尔曼滤波模型更加优化。仿真证实了结果的有效性。　　然后，本文将这种具有自适应策略的卡尔曼滤波模型运用到多智能体蜂拥网络之中，传感器网络之间的信息交换不需要更多的全局信息，单个传感器只需要知道相邻的传感器信息，修改自身的运动路径，最终网络能达到渐进一致，蜂拥网络在行径过程中能保持稳定性。仿真证实了结果的有效性。　　再后，本文将这种具有自适应策略的卡尔曼滤波模型应用到具有牵制控制的蜂拥网络，传感器网络只有一部分能获取目标状态，另一部分根据相邻的传感器信息，调整运动和位置信息，整个蜂拥网络能达到渐进一致，具有牵制控制的蜂拥网络能够保持稳定。仿真证实了结果的有效性。　　最后，本文对这种具有自适应策略的卡尔曼滤波多智能体蜂拥网络进行了总结和展望，可以将研究应用到多个领域中，研究具有可行性和实用性。