在多自主体协同控制中，趋同控制是寻找恰当的控制律使得所有自主体关于某个感兴趣的量达到相同的状态，其作为自主体之间合作协调的基础，具有重要的现实意义和理论价值。近年来，随着大规模通信网络和分布式技术的发展，很多研究人员致力于分布式趋同控制算法的研究，相比于传统的集中式控制算法而言，不再使用全局设置或全局信息设计控制器，仅依赖于自身和邻居自主体的信息，减小了通信的代价，提高了算法的鲁棒性。然而，现有的成果很少考虑到实际情况中广泛存在的其他因素，一方面，参与趋同控制的自主体各自可能具有不同于其他自主体的动力学方程;另一方面，自主体之间的通信信道容量往往是有限的，即自主体间只能接收或传递有限个比特位的数据给其邻居。由于这些因素的存在，现有的算法无法顺利完成趋同控制的目标。因此，本课题前半部分围绕多自主体的动力学系统以及存在通信约束的情况，充分利用多自主体分布式协同控制研究中的思想，对基于量化下的多自主体系统的趋同控制开展研究。
　　以分布式趋同控制问题为基础的分布式优化问题，作为协同控制中另外一个重要的子课题，在过去的几年里，备受关注。分布式优化问题的目标在于设计一个分布式协议，使得系统中的每个自主体通过与邻居自主体局部信息交互可以找到目标和函数的最优值点。就目前的成果而言，一方面分布式优化可应用于求解各类网络优化问题，如传感器网络中的源点定位问题和智能电网中最优负荷分配问题等。同时分布式优化算法也可应用于信息-物理系统的优化控制中，因此，研究分布式优化的意义不言而喻。而作为协同控制的子课题，分布式优化的研究也面临着通信信道容量有限的问题，现有的算法无法解决在考虑通信信道容量时的优化问题。因此，本课题后半部分围绕存在通信约束的情况，对基于量化下的多自主体系统的分布式优化开展研究。
　　总结来看，本课题的主要研究内容和贡献归纳如下:
　　1.针对线性同构多自主体系统，研究了基于量化通信数据的分布式趋同控制，为解决此问题，本文设计了基于动态量化器的分布式算法。相比与以往的工作而言，一方面，实现了对一般线性多自主体系统的量化趋同;另一方面，放松了原有结果对拓扑结构的要求，实现了有向图下的量化趋同控制。
　　2.针对线性异构多自主体系统，研究了基于量化通信数据的分布式趋同控制问题。本文设计了一个全新尺度函数，基于此尺度函数，提出了新的分布式算法，在解决异构多自主体系统在有向图下的趋同控制问题的同时，进一步解决了所有自主体需要知道初始值等全局信息的短板，在无需要求初始值在有界区域的情况下，仍能避免由于量化器饱和导致量化失效的情况。
　　3.针对连续一阶积分器多自主体系统，研究了基于量化通信数据的分布式优化问题。本文提出了一种动态的编码解码方案，基于此方案，通过采样和量化数据给出了新的分布式协议，使得系统可以获得精确的最优解，而不是近似最优解。对比现有的结果，不再需要拓扑图或者初始状态的全局信息，也不再要求代价函数梯度是有界函数，在弱化现有假设的情况下，实现了基于量化的分布式优化的结果。
　　4.最后，研究了量化下多个四旋翼飞行器系统的速度匹配问题。在采样周期固定的情况下，设计了一个动态的编码解码算法，确保了所需带宽是有限的，并且其中的尺度函数能够保证量化误差的收敛，使得跟踪误差可以渐近收敛到零。基于此动态的编码解码算法，设计了分布式的量化控制器，达到多个四旋翼飞行器速度匹配的要求。