随着蜂窝电话网络、电网和互联网等重要基础设施的完善和对应的通讯技术和控制理论的发展,大量实际问题最终可以归结为多智能体系统的分布式趋同优化.这里的分布式体现在优化问题的建模和算法实现都只能通过局部节点以及与邻居节点之间的协作来完成.多智能体系统网络的这个无中心节点特性导致全局优化决策变量的不易获取,是设计分布式算法要面临的最根本困难.本文使用置信度传播和其上构建的有力工具研究分布式趋同优化问题并提出新式分布式优化算法.主要贡献和创新点包括如下:第一,摒弃采用渐近性趋同协议设计分布式优化的常规途径,在无圈无向连通图情形下,通过置信度传播的有限时间趋同,设计出分布式精确牛顿算法;第二,在无圈无向连通图的分布式原始对偶算法中,使用置信度传播的分布式信息传递策略,经过有限步迭代,解耦线性方程组,获得精确解,并证明所用信息传递策略与高斯消去法的等价性;第三,通过适当建模,将分布式趋同优化问题转换,使其满足著名的信息传递算法目标函数的限制形式,进而给出分布式趋同优化可行的信息传递算法.本文研究分布式趋同优化所采用的关键技术最终归结为基于置信度传播的有限时间趋同和信息传递策略,这两个工具的使用,使我们能够站在集中式的角度来设计分布式优化算法.具体的研究内容和研究成果按照章节顺序包括如下几个方面.1.考虑用梯度类方法研究分布式趋同优化问题,提出基于置信度传播的分布式快速牛顿优化算法.通过置信度传播的有限时间趋同来构造全局牛顿梯度方向,内嵌到外层牛顿迭代中来完成算法的整体设计.所提分布式牛顿算法,在无圈无向连通图情形下,可看作是集中式牛顿法的分布式实现,具有与其一致的收敛性;通过截取一定量的内层迭代的整体算法,可推广到一般无向有圈连通图,仿真显示算法有较好的收敛性.2.考虑用原始对偶方法来分布式趋同优化问题,提出基于置信度传播的分布式原始对偶优化算法.在原始对偶框架下,我们先将原始迭代上的一系列耦合子优化问题转化为求解线性方程组的问题,再通过置信度传播的分布式信息传递策略来有限步精确求解方程组,最终构建出分布式原始对偶置信度传播算法.作为与所提算法的对比,分布式原始对偶广义梯度算法是由线性方程组雅可比迭代求解方法归纳提出.所提的分布式原始对偶置信度传播算法,对于无圈无向连通图,可看成集中式原始对偶算法;截取一定量的内层迭代的整体算法,可推广到一般无向连通图,仿真实验显示所提基于置信度传播的算法线性收敛,且相比于所提原始对偶分布式广义梯度算法更具优势.3.针对分布式趋同优化问题,通过适当的建模,我们提出确实可行的信息传递算法.首先,通过介绍著名的信息传递算法和其适定性与收敛性,给出信息传递算法的直观解释;其次,通过对于边函数的建模,把分布式趋同优化问题等价转化为满足信息传递算法目标函数的限制形式;最后,针对二次目标函数,构建出可行的信息传递算法,特别地,高阶非线性目标函数只需经过二阶近似即可使用此算法.仿真实验验证了所提信息传递算法在分布式趋同优化问题上的可行性和收敛性.总之,本文围绕分布式趋同优化问题展开了深入研究,一系列新式分布式优化算法被提出并被推广到一般无向连通图.所提分布式优化算法可作为分布式趋同优化成果的补充和完善,具有重要的理论意义和广泛的应用价值.