近年来,分布式优化技术的发展得到了越来越多学者的关注,其应用逐渐渗透到各个领域,具体包括在无线网络中解决资源分配问题、路径规划问题、交通车辆控制问题等等。本文主要考虑在无线传感器网络中,利用网络中的传感器实时监测和采集多种数据信息,并且将采集到的数据信息与相邻的传感器进行交互计算,实现数据的融合。这里的无线传感器网络就是一个多智能体系统,每个传感器就是一个智能体。在每个传感器的代价函数不平滑的情况下,目标函数就是所有传感器的代价函数和。通常的优化方法是利用次梯度,但对于不平滑的目标函数,计算次梯度难度较大,甚至不可得。本文利用免梯度算法,分析并且解决网络目标函数不平滑但是利普希兹连续,并且带有约束的优化问题,确保智能体的状态收敛到平均值附近,目标函数近似收敛到最优值。具体的工作阐述如下:1.考虑无线传感器网络中的所有个体之间的连接是固定的情况,基于分布式随机免梯度算法去解决无线传感器网络优化问题。由于网络中相邻智能体之间进行信息传输时受到通信带宽的限制,因此通过量化处理使得信息得到有效的传输,这里仅考虑量化的精度。通过迭代,对网络中所有智能体状态值的收敛一致性以及目标函数近似收敛到最优值进行分析。2.基于上述研究工作,进一步考虑在无线传感器网络中的智能体之间的连接是时变的情况,这里同样只考虑量化精度的影响,分析网络中智能体状态值以及目标函数的收敛情况。3.考虑实际情况下,相邻智能体之间通信时,有具体的量化要求。因此设计具体的均匀量化器,由于量化产生的误差与量化区间以及通信带宽有关,因此在对智能体状态值和目标函数的收敛性分析时,分析量化区间以及通信带宽的影响。