近年来，多个体系统在人工智能、生物界、网络通信，卫星定位方面有着广泛的应用，因此引起了国内外众多学者的浓厚兴趣。随着科学技术的发展反应更为灵敏的，操作更为简单的分布式处理方法得到了人们的广泛关注，因此多个体系统的分布式优化算法得到了迅猛发展。多个体凸优化算法就是借助于多个体系统模型解决其中的优化问题，但如果系统中的个体在同一时刻进行信息交互时，很容易出现信息拥塞，使信息不能及时的到达接收端，使得整个系统缺乏鲁棒性并且与理想中的系统模型相差较大，之前的算法将不再适用。因此解决上述问题在研究多个体系统的优化问题上具有更重要的意义。　　本文主要研究了有向切换网络中的优化问题，针对系统中的信息交互容易出现阻塞的情况提出了以下两种解决方法:　　一、研究信息异步交互情形下的多个体系统Push-sum次梯度优化算法。对于有向切换网络信息的同步交互即为在同一时刻系统中的所有个体在同一时刻相互交换信息，使得通信道路上信息量过大，从而导致阻塞甚至使得系统崩溃。因此，考虑系统中的个体在某一时刻随机的两两交换信息，而其他的个体保持上一时刻的信息不变，直到系统中的个体信息达到一致。这样从根本上避免了系统中信息拥塞的情况，但上述方法将会延缓多个体系统达到一致状态的速度。本文在次梯度有界和一致强连通的的情况下证明了所提出的异步交互的Push-sum次梯度优化算法收敛，收敛速度为O(tne-Kt+lnt/√t)，该速度与系统中的个体数目和每次个体被选中的概率有关，比同步交互情况下的收敛速度较慢。　　二、研究具有通信时延情形下的Push-sum次梯度优化算法。对于有向切换网络中信息同步交互已经使得系统阻塞或是由于实际的通信线路受损或是其他原因的系统中断产生时延的情况，提出了带有时延的Push-sum次梯度优化算法，由于对带有时延的优化算法的收敛性分析具有一定的困难，本文采用系统扩维的方法将带有通信时延的算法转化为无时延的算法然后再分析其收敛性。在已有的系统扩维中，扩维之后的邻接矩阵的对角线元素均为正值，但本文所采用的扩维方法不要求随机邻接矩阵的对角线元素均为正值，有可能为0。并在时延有界、次梯度有界和有向切换网络周期强连通的假设下理论证明了上述优化算法收敛，但比无时延的情形下收敛速度要慢而且具有一定的误差。随后应用MATLAB仿真证明了上述结论。　　综合上述，本文在次梯度有界和有向网络图是一致强连通的情况下证明了异步情形下的Push-sum分布式次梯度优化算法收敛，并在时延有界、次梯度有界和有向切换网络周期强连通的条件下证明了时延情形下的Push-sum分布式次梯度优化算法收敛。研究表明:信息异步交互和时延并不影响算法的收敛，而是在一定程度上影响收敛速度，使得收敛速度变慢。