近年来，随着人工智能Agent技术和社会网络的快速发展，复杂动态社团网络中的牵制控制问题受到了各领域专家学者的广泛关注。牵制控制策略是一种简单、有效且实用的控制方法。它主要是通过控制网络中的少量节点来控制整个网络。目前学者们主要是从模糊数学、多值逻辑、信息论等角度进行了相关研究，但是确定牵制点集合、降低控制成本等问题没有得到很好的解决，而多Agent理论的协作性和开放性在这个问题上有着较好的适用性，因此本文主要从Multi-Agent的角度，采取牵制控制策略研究复杂社团网络中控制问题，并建立了相关模型。研究成果如下:　　(1)对国内外已有的网络牵制控制方法进行了全面的概括和梳理，从可行性和有效性角度介绍并分析具有代表性的牵制控制方法，并将Multi-Agent理论引入复杂社团网络的牵制控制问题研究。　　(2)提出了一种基于CI(Contain Influence)值的牵制控制方法。通过对复杂社团网络拓扑特性的分析，设计了一种新的节点牵制力指标—CI值，并据此建立基于CI值的牵制控制模型，通过该模型确定复杂社团网络的牵制点集合。仿真实验表明，所得到的牵制点集合准确性更高，牵制点个数更少。　　(3)提出了一种基于多Agent协作博弈的牵制控制方法。针对牵制点集合确定后，牵制节点无法动态的和非牵制节点进行协作、新节点加入导致社团网络耦合强度和牵制增益发生变化，原先的牵制点集合可能会造成能耗过大，控制成本升高的问题，引入协作博弈的概念，提出了基于协作博弈的社团网络牵制控制方法，在已经确定相应牵制点的基础上，通过对节点间的协作博弈来更新牵制点集合，使社团网络在牵制点个数相同的情况下实现较为理想的牵制控制增益，从而降低控制能耗。仿真实验表明，此模型能有效降低控制成本，增大控制增益，有效性更高。