1.切换拓扑下多智能体系统输出一致性的控制方法，其特征在于，包括以下步骤：以所有智能体的跟踪误差趋于0为目标，确定使智能体中的跟随者和领导者的输出达到一致的控制方程，根据控制方程对切换拓扑下的性能指标进行优化，得到最优控制策略方程；

根据最优控制策略方程中的跟踪误差改变多智能体系统的跟踪状态，实现输出一致性的控制；

其中，通过跟踪状态得到具有时变内核矩阵的值函数，基于具有准备层和学习层的双层强化学习方法，分别得到值函数的两部分结果，经合并后得到所需的值函数和相应的最优控制策略；所述具有时变内核矩阵的值函数 被分为两部分，即 和；第一部分代表值函数中与切换信号无关的部分构成的二次型，第二部分代表与切换信号相关的部分构成的二次型；划分以后，利用所设计的双层强化学习算法，第一部分和切换信号无关，二次型的内核矩阵是定常的，在学习层获得；第二部分的内核矩阵是时变的，在准备层求得；且两者的关系满足 。

2.如权利要求1所述的切换拓扑下多智能体系统输出一致性的控制方法，其特征在于，以所有智能体的跟踪误差为0，得到使智能体中的跟随者和领导者的输出达到一致的控制方程；包括：根据智能体在拓扑中的邻接元素，智能体的时不变牵引增益以及智能体的输出，确定智能体的局域跟踪误差；

根据智能体的局域跟踪误差与智能体的状态和输入得到相应的跟踪状态；

根据智能体的动态、智能体中领导者的动态、局域跟踪误差以及跟踪状态，得到使跟随者和领导者的输出达到一致的控制方程。

3.如权利要求1所述的切换拓扑下多智能体系统输出一致性的控制方法，其特征在于，确定控制方程在切换拓扑下的性能指标并优化，得到最优控制策略方程；包括：根据性能指标中的容许控制策略，确定每个智能体的值函数，基于贝尔曼方程得到最优控制策略方程。

4.如权利要求1所述的切换拓扑下多智能体系统输出一致性的控制方法，其特征在于，通过跟踪状态得到具有时变内核矩阵的值函数，基于具有准备层和学习层的双层强化学习方法，分别得到值函数的两部分结果，经合并后得到所需的值函数和相应的最优控制策略；

包括：

根据切换拓扑下多智能体系统的跟踪误差和内核矩阵确定值函数；

根据切换变化的内核矩阵以及常数内核矩阵，得到内核矩阵的值；

具有时变内核矩阵的值函数划分为两部分，分别利用双层强化学习方法中的准备层和学习层得到。

5.如权利要求1所述的切换拓扑下多智能体系统输出一致性的控制方法，其特征在于，具有时变内核矩阵的值函数划分为两部分，如下式所示：；

；

式中， ， 为值函数， 是常数内核矩阵，

是切换变化的内核矩阵， 为切换信号， 表示由系统状态、输入和输出数据构成的向量组， 为 的转置，为时刻，为待设计的正整数。

6.如权利要求1所述的切换拓扑下多智能体系统输出一致性的控制方法，其特征在于，准备层中，得到值函数中 的结果，如下式所示：；

式中， 为跟踪状态， 为s‑1次迭代的控制策略， 和 均为待选取的对阵正定矩阵， 为值函数， ，s定义为迭代次数，k为时刻。

7.如权利要求1所述的切换拓扑下多智能体系统输出一致性的控制方法，其特征在于，学习层中，根据下式更新和迭代直至收敛，得到值函数中 的结果：；

；

式中， 为跟踪状态， 为s‑1次迭代的控制策略， 和 均为待选取的对阵正定矩阵， 为值函数， ，s定义为迭代次数，k为时刻。

8.切换拓扑下多智能体系统输出一致性的控制系统，其特征在于，包括：目标构建模块，被配置为：以所有智能体的跟踪误差趋于0为目标，确定使智能体中的跟随者和领导者的输出达到一致的控制方程，根据控制方程对切换拓扑下的性能指标进行优化，得到最优控制策略方程；

目标输出模块，被配置为：根据最优控制策略方程中的跟踪误差改变多智能体系统的跟踪状态，实现输出一致性的控制；

其中，通过跟踪状态得到具有时变内核矩阵的值函数，基于具有准备层和学习层的双层强化学习方法，分别得到值函数的两部分结果，经合并后得到所需的值函数和相应的最优控制策略；所述具有时变内核矩阵的值函数 被分为两部分，即 和；第一部分代表值函数中与切换信号无关的部分构成的二次型，第二部分代表与切换信号相关的部分构成的二次型；划分以后，利用所设计的双层强化学习算法，第一部分和切换信号无关，二次型的内核矩阵是定常的，在学习层获得；第二部分的内核矩阵是时变的，在准备层求得；且两者的关系满足 。

9.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述权利要求1‑7任一项所述的切换拓扑下多智能体系统输出一致性的控制方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的切换拓扑下多智能体系统输出一致性的控制方法中的步骤。