近年来,随着高科技的蓬勃发展,多个体网络的协调与控制已成为众多学者研究的热点问题。尤其是传感器等小型设备,它们按照某种方式相互耦合构成一个网络化系统,协同合作完成一个任务,这种多个体网络分布式协调控制具有成本低,鲁棒性更强,并且能够保证设备在复杂条件下更好地工作等优点。其中多个体网络分布式优化算法在解决多个体网络分布式协调与控制问题中占有很大优势。一个多个体网络包含许多个个体,每个个体仅知道其自身的目标函数并通过与其它个体进行信息交流从而优化自身的目标函数,最终得到最优解。然而,多个体网络中的个体之间在进行信息交流的过程中,会遇到很多复杂的通信条件,如存在通信时延或多个体网络是非平衡网络,因此,研究多个体网络分布式优化算法具有十分重要的意义。本文主要研究了复杂通信条件下的多个体网络分布式优化算法,针对多个体网络中的个体在信息交流的过程中易出现的复杂的通信条件,例如存在通信时延或通信网络是非平衡网络,本文主要提出以下两种优化算法：一、研究了时延情形下的多个体网络分布式随机无梯度优化算法。假定网络中的每个个体仅知道其自身的局部目标函数,优化的目的是通过网络中个体间交互时延信息寻求这些局部目标函数之和的最小值。针对个体间信息通信存在时延,首先通过系统扩维将有时延的优化问题转化为无时延的优化问题。由于个体的局部目标函数有可能非凸故其次梯度不一定存在或很难计算,因而采用分布式随机无梯度方法。理论分析表明只要个体间的通信时延有上界,所提算法依然收敛。二、研究了基于近似投影的多个体网络分布式零阶Push-sum优化算法。优化的目的是求网络中所有个体局部目标函数(可能非光滑)之和平均值的最小值,每个个体仅知道其自身目标函数信息且仅能与其邻居个体交互信息。同时,由于每个个体目标函数的梯度无法准确计算,本文采用基于近似投影的分布式零阶方法；而针对个体间的有向非平衡通信,我们采用Push-sum算法。理论分析表明：在有向切换网络强连通的情况下,该算法收敛且收敛速度为O(ln)(T+1)/(?))。综上,本文在通信时延有上界,有向网络图是强连通的情况下证明了时延情形下的多个体网络分布式随机无梯度优化算法收敛；在有向切换网络一致强连通的条件下证明了基于近似投影的多个体网络分布式零阶Push-sum优化算法也是收敛的。