随着无线通信技术、嵌入式计算、微机电技术、微传感器技术及机器人技术的进步，各类具备信息耦合或物理耦合的大规模网络系统越来越多地应用于自然科学、社会科学和工程技术等领域，如计算集群、多微电网系统、无人驾驶交通网络、多无人机系统等。此类网络可以看作由多个具有感知、计算、通信和执行能力的智能体（软件代理）所组成的多智能体系统。多智能体系统可以通过协同合作完成特定的全局任务，也可以通过相互竞争以实现系统各部分的均衡。多智能体系统的分布式协同与群体智能研究成为国际热点研究领域，在人工智能、系统控制、计算机科学和通信网络等不同的学科方向得到广泛讨论并产生丰富的工程应用。对于大规模多智能体网络系统中的各类控制、决策和优化等问题，仅依赖于智能体局部数据、局部计算和局部通信的分布式方法往往比传统的集中式方法更为合理，操作起来更为灵活方便。同时分布式方法具有无需大量数据传输、防止单点网络故障和保护用户隐私等优点。采用分布式优化、决策与控制的网络系统具备自主性、鲁棒性、可扩展性等优势。因此，多智能体系统的分布式优化决策理论与控制方法近年来得到了长足的发展，并被广泛应用于工业和国防领域，如智能电网的分布式调度、无人机和小卫星的自主编队和传感器网络在线数据处理等。

主要研究领域包括：

多智能体系统的分布式优化，分布式机器学习与联邦学习，多机器人的协同感知与决策，分布式SLAM，非完全信息博弈，机器人自主对抗决策等