近年来，随着科学技术的飞速发展，网络系统不断朝着向大规模、高复杂和高度智能化方向发展，系统的组成单元也从只具备单一功能的受控对象进一步转化成集成具有一定传感、通信、计算、执行能力的智能体。网络系统领域的这些变革和发展，最终发展形成了现在的复杂系统理论。受此影响，多智能体系统理论就此应运而生并成为解决复杂系统问题中一类重要的理论。由于在面对动态的以及开放环境中的优化问题，传统的集中式处理方法已经无法有效解决现实中的应用。而分布式处理方法具有高容错性、自组织性、可扩展性强等显著特点，能够有效处理此类具有现实背景及意义的优化问题，众多科研工作者开始将注意力转向分布式理论，这也是多智能体系统分布式优化在传感器网络、信号处理、资源分配、智能电网等工程领域得到了广泛应用的原因。随着其应用领域的不断开展，人们越来越期望能够设计出更加高性能的分布式优化算法来满足现实中的各种需要。据此，本文主要致力于弱化现有分布式优化算法的相关条件，进而设计出具有一定相关工程背景的分布式优化算法。本文主要的研究工作分为以下三个部分：
　　第一部分针对一般无约束的分布式优化问题。在拓扑通信网络是无向网络的前提下，并在分布式优化算法设计中考虑了时变异构常数步长、收敛率几个比较重要的因素，设计出一种基于不精确梯度追踪法的分布式优化算法，从而解决了一般具有实际应用背景的凸优化问题。与此同时，文中分析了目标函数为强制凸函数和强凸函数两种情况下算法的收敛性，并明确给出对应情况下算法异构步长的取值范围及收敛率。最后，文中给出的具体仿真实验进一步表明了该算法的有效性及理论的正确性。
　　第二部分针对含有等式约束和不等式约束的分布式优化问题。在拓扑通信网络是无向随机网络的前提下，设计了一种基于异步通信和异步更新机制的分布式优化算法用于解决智能电网中调度响应问题。理论分析表明对于存在链路故障的随机网络，该算法仍能快速期望收敛到其最优值，并明确给出了算法异构常数步长的取值范围。同时，文中还系统性的介绍了算法设计的详细思路。最后，文中给出的具体仿真实验进一步表明了该算法的可行性。
　　第三部分继续针对含有等式约束和不等式约束的分布式优化问题。在拓扑通信网络是非平衡有向网络的前提下，并综合考虑梯度噪声和通信时延对算法的影响，设计了一种基于随机梯度的分布式优化算法用于解决带有通信时延影响的经济调度问题。理论分析表明对于存在噪声和时延影响的有向网络，该算法仍能快速期望收敛到其最优值。文中还系统性的介绍了算法设计的详细思路，并明确给出了算法的收敛率。文中给出的具体仿真实验验证了该算法的有效性。
　　综上所述，本文着重解决了一般无约束及带有等式和不等式约束的分布式优化问题，旨在降低网络通信资源的消耗及缓解网络计算压力来减少系统资源的开销，延长系统运行寿命，同时又为设计出更加合理的分布式优化算法用以解决现实中的应用提供新的思路。