随着科技和传感器网络的进步,越来越多的研究人员关注多智能体系统并且取得了引人注目的成绩。分布式一致与优化是多智能体系统重要的研究方向,广泛地应用于云计算、分布式编队控制、分布式信息处理、无线传感器网络和数据融合等方面。本论文关注能应用于实际的分布式一致与优化问题,即在复杂通信环境中的分布式优化与一致,论文主要工作包含以下四个方面:(1)研究了基于事件触发带时滞的多智能体系统一致性问题。由于多智能体之间的连续通信必然增加实际网络通信压力,因此加入事件触发策略,并考虑在实际的网络中输入控制延时和领航-跟踪控制思想,设计了一种新的基于事件触发带时滞的多智能体系统的领航-跟随控制协议。该协议在保证系统达到同步的同时,既缓解了网络通信负担和智能体计算负担,又考虑了实际控制中存在时滞。最后并给出了数值仿真实验来验证系统最终达到同步,多智能体之间通信次数减少。(2)研究了基于事件触发控制的二阶非线性多智能体系统一致性问题。由于每个多智能体本身状态连续更新必然会增加其计算压力,设计了基于事件触发的二阶多智能体一致性控制协议。假设有向网络拓扑为强连通或包含有向生成树时,设计出一种新的与通信成本和代数连通度有关的李雅普诺夫函数并得到多智能体系统达到一致的充分条件。仿真实验表明代数连通度对系统达到一致起着重要的作用。(3)研究了基于事件触发控制的多智能体系统分布式优化问题。传统的梯度下降优化算法要求步长为衰减步长,但收敛速度慢。另外传统的梯度下降优化算法要求梯度有界来确保算法收敛,但这个条件的限制性强。因此采用异构时变常数,通过不精确的梯度跟踪技术来确定梯度,提出了新的分布式优化算法。同时在网络中会出现连接故障、智能体失效和通信负担大等实际问题,从而在算法中引入事件触发和异步机制。在保证分布式算法达到一致的同时,既实现了智能体异步通信又减少了通信资源的浪费。仿真表明当异构步长小于某一上界时,分布式优化算法能几何收敛到最优解。(4)受到电网应用的驱动,我们研究了带约束的凸优化问题。在实际应用中,复杂网络会出现随机链路故障,并且某些智能体可能失效,因此采用异步通信在通信和计算过程中是不可或缺的。由于多智能体之间的连续通信必然增加实际网络通信压力,加入事件触发策略,我们设计了基于事件触发的完全异步分布式原——对偶算法来解凸优化问题。在目标函数具有利普希茨连续和强凸函数的条件下,当异构步长恒小于某个上界时,所提出的算法几何收敛到最优值。最后,通过电网中经济分配和需求响应的仿真实验验证了算法的有效性和理论分析的正确性。