目前，对多智能体网络的研究已成为多智能体系统的一个重要课题。一致性优化问题是多智能体网络中的研究热点,现实生活中很多实际问题可以描述为该类问题。本文针对一致性优化问题的分布式算法进行了研究，论文的主要工作如下:　　首先，概述了一致性优化问题和分布式算法的研究背景及意义，介绍了研究较为深入的四种分布式算法的主要研究成果和研究现状。总结了分布式梯度法、分布式交替方向乘子法和分布式牛顿法的基本思想和算法框架，通过数值实验比较了三种算法在求解一致性优化问题方面的性能。　　其次，针对一致性优化问题，利用Nesterov加速方案对分布式线性交替方向乘子法进行加速，提出了加速分布式线性交替方向乘子法，并通过数值实验说明了新算法的有效性。　　第三，针对无约束一致性优化问题，提出两类分布式拟牛顿算法：一类是分布式对角拟牛顿法，算法利用满足拟牛顿条件的对角矩阵近似Hesse矩阵的逆矩阵，得到对角的校正矩阵；另一类是布式块对角拟牛顿法，算法引入块对角矩阵，在对角拟牛顿法的基础上进一步改进，得到块对角的校正矩阵。并对分布式对角拟牛顿法给出了全局收敛性证明，最后利用数值实验验证了算法的有效性。　　最后，对文章的主要内容进行了总结，并提出了进一步的研究方向。