分布式优化是多智能体协同的主要问题之一,因在传感器网络、机器学习等领域的众多应用得到广泛的关注,是当前信息领域的研究热点。但现有工作大多从数学规划的角度出发,研究每个智能体的动力学为单积分器时的分布式优化问题,限制了其可能的应用范围。本文针对几类典型的高阶多智能体系统,采用嵌入式设计方法,研究其分布式优化问题。具体工作包括:(1)研究了一类连续时间线性多智能体系统的分布式优化问题。针对该问题,将其转化为最优信号发生和跟踪控制两部分,并结合凸优化和输出调节理论,设计有效的梯度算法和渐近跟踪控制器,最终给出一种仅依赖局部信息的分布式算法,实现了线性多智能体系统的最优稳态调节。(2)研究了一类含未建模动态的连续时间高阶多智能体分布式优化问题。针对该问题,基于现有分布式优化成果,结合自适应控制技术,设计了一种新型的分布式算法,并将其成功推广到仅利用实时梯度信息的情形,最终解决了这类含未建模动态的高阶多智能体分布式优化问题。(3)研究了一类离散时间线性多智能体系统的分布式优化问题。与连续时间情况类似,针对该问题,通过将其转化为最优信号发生和跟踪控制两个子问题,依次构造离散时间下的最优信号发生器和渐近跟踪控制器,最终给出该问题的分布式求解算法,解决了这类离散时间多智能体系统的分布式优化问题。