近年来,多自主体网络因在多机器人合作、分布式传感器网络自主配置、无人机编队和多导弹联合攻击作战等领域的广泛应用而引起学者们的普遍关注。多自主体网络指的是众多自治或半自治的个体相互作用所形成的复杂动态系统,其中,个体和个体之间的相互作用分别被抽象为几何图中的节点和链接。自然界的生物网络是一类典型的多自主体网络,如蚂蚁搬家、鸟群迁徙、鱼群觅食等。通过个体之间的简单协作,生物网络通常会呈现一些自组织、自适应、自主性及聚集等复杂性行为。基于这些生物群集智能特性,多自主体网络被广泛地应用于各类人工系统,如国际互联网、物联网、智能电网、高速公路网等,为人类社会服务。伴随科学技术的日益更新,多自主体网络框架下多样化、混合型协同与性能优化模式在经济发展、国防建设、科学探索以及人类日常生活中发挥着重要作用。分析现实中典型的多自主体网络,由于节点动力学的复杂性、网络结构的复杂性及实际目标任务的复杂性,仍然存在许多控制与优化等方面的困难。基于此,本学位论文在前人工作基础上,以多自主体网络为研究对象,从控制论与优化角度,利用微分动力学原理、矩阵理论、代数图论、凸规划和随机分析等技术手段,研究多自主体网络协调控制与优化的一些基本问题,并得到一些新的理论结果。本学位论文的主要研究工作概括如下：针对网络中资源或代价受约束等实际问题,研究多自主体网络的保性能协同。设计个体位置相关的二次型性能指标函数,结合混杂脉冲控制与最优控制给出精确的混杂协调控制算法,并得到二阶多自主体网络实现一致性和保性能的充分条件。研究表明,这类二阶协同行为与位置性能结合的研究方案在机器人或者无人机路径规划方面具有实际应用价值。针对实际环境中目标任务的多样化与复杂性,研究多自主体网络的多协同问题。设计基于事件规则的协调控制算法,引入联合的协同与竞争机制,克服已有文献依赖拓扑结构假设的保守性,实现多自主体网络的多一致性。研究结果表明,与现有文献比较,利用分组事件规则所形成的迭代间隔更大,在一定程度上能够优化网络中个体的控制迭代次数。针对多自主体网络中单一致性和误差渐近稳定相对保守等问题,进一步研究多自主体网络的多协同问题,引入混杂多子群协同的概念刻画多自主体网络涌现多样化、混合型协同行为的情形,提出不全同信息交换机制,改进已有文献中基于同源信息构建控制器的方法,设计适用的混杂协调控制算法,实现多自主体网络的杂多子群协同。针对实际传感器网络中的效能优化问题,研究具信道约束多自主体网络的几乎处处优化一致性。考虑实际网络中通讯代价与带宽受约束等因素,提出基于量化数据的随机Gossip型次梯度控制算法。研究结果表明利用这类带量化的随机Gossip型次梯度控制算法,多自主体网络在一定程度上能够克服网络带宽受约束的限制以较少的通讯代价达到优化一致性。研究多自主体网络的分布式优化协同问题。改进已有文献中的优化算法,引入双层近似次梯度方法,提出一类基于网络一致性的分布式优化算法,改善网络的优化逼近能力,具有很好的实际意义,理论分析与仿真例子表明这类算法的有效性。最后,对全文内容进行总结,并归纳几类进一步研究工作。