通过多智能体间的分布式合作协调,可以有效地完成优化任务,解决许多集中式算法难以胜任的大规模优化问题。本文研究了多智能体系统中的两类分布式优化问题。首先,本文研究了一类带有不等式约束的分布式凸优化问题。该问题中假设每个智能体都只知道自己的成本函数,并且只能与邻居交换信息。每个成本函数是凸函数,同时各优化变量受到各自的不等式约束。研究目标是使所有智能体达到一致,同时让所有成本函数之和达到最小值。本文提出了 一种分布式协议,保证所有智能体在有限时间内达到一致,并收敛到带有不等式约束的优化问题的最优点。基于参数投影的思想,该协议由两项组成。一项使成本函数减少,另一项使智能体运动到约束集。通过理论分析证明,所提出的协议在不使用拉格朗日乘子法的情况下解决了无向连通图下的分布式优化问题。特别的,所有的智能体都可以在有限的时间内到达并停留在约束集。本文研究的第二类分布式优化问题为动态经济调度问题。在动态经济调度问题中,需要考虑供应需求平衡,爬坡约束和峰值约束这几个约束条件。为了建模实际情形中的功率负载和功率存储,本文引入了两个变量,每个变量都是时变的并且具有其自己的动力学。除此之外,模型还考虑了可再生能源。通过引入障碍函数,本文将部分约束项加到目标函数中,从而简化了优化问题,并确保了最优解满足相应的约束。基于拉格朗日对偶原理,将原始优化问题转化为对偶问题,并提出了一种对偶求解算法。在通信图是无向连通图的假设下,本文分析了所提算法的收敛性。最后,针对所提出的两种算法,本文通过两个仿真实验进一步说明了它们的有效性。