近年来,多智能体系统受到越来越多的关注,如一致性控制,分布式编队控制和分布式优化等。其中,分布式优化在无线传感器网络,智能电网和机器学习等许多军事领域或民用领域具有广阔的应用前景。本文考虑了线性多智能体系统的分布式凸优化问题。系统的全局目标函数是每个智能体的局部目标函数之和,并且是严格凸的。智能体的目标是协同合作,最小化全局目标函数。我们提出了一个解决分布式凸优化问题的自适应算法,并且证明了使用该算法可以使智能体在达到状态值一致的情况下同时实现全局目标函数的最优化。值得注意的是,本文所提出的分布式优化算法中的控制增益是自适应的,因此不需要任何关于全局目标函数或通信拓扑图的全局信息。此外,我们研究了该算法在离散时间通信情况下的实现,并给出了保证算法收敛的通信时间间隔的上界。接着,我们给出了两个数值仿真例子,证明以上理论结果的正确性。另外,我们考虑了智能体动力学模型中的扰动项的影响,该扰动项可能来自于外部干扰、模型中的不确定性或建模误差。我们提出了一个基于神经网络的分布式凸优化算法,消除扰动项的影响,并证明了该算法可以保证智能体状态值的一致并优化全局目标函数。