最近,分布式优化技术的迅猛发展引起了越来越多的海内外学者的关注,分布式优化技术被运用在各个行业领域,常见的应用有路径规划、资源分配、交通控制等等。在本篇文章中,我们要研究的是在无线传感器网络中,利用网络中的各个传感器进行信息实时测量与监控,并将每个传感器所得数据与周围的传感器进行信息交互,实现数据之间的共享与融合。本文中的无线传感器网络就可以看作是一个多智能体网络系统,而无线传感器系统的每一个传感器都可以看作是一个智能体,每个传感器都携带着一个代价函数,各个传感器的代价函数之和就是无线传感器网络的目标函数。在传感器网络中的智能体进行迭代的过程中,我们发现传感器的目标函数是不光滑的,也就是说其不可微,此时,运用传统的梯度方法无法计算其状态值,因此,我们采用了次梯度方法。除此之外,我们发现计算一个代价函数的次梯度也是很麻烦的,因此,为了减少智能体的迭代次数,我们又引入了近似投影算法,这样一来,算法的计算复杂度将大大降低。具体的工作安排如下:1.首先考虑得是无线传感器网络中的所有个体之间的连接是固定的,即采用固定拓扑结构的情况,此时,将迭代公式中的权重矩阵设为不变的,我们通过对异步时间分布式近似投影算法的一致性与收敛性的分析,并给出相关的结论,证明该算法的可行性。2.再考虑无线传感器网络中的所有个体之间的连接是可变的,即采用时变拓扑结构的情况,此时,系统中智能体的迭代公式将会发生变化,权重矩阵是变化的,将此考虑进去,我们再次使用异步时间分布式近似投影算法进行一致性及收敛性的分析,并验证算法的可行性。3.基于前面的基础之上,我们将考虑更为一般的情况,即当智能体之间传输的是量化信息的情况,此时,我们将设计具体的均匀量化器,并将该量化器融入异步时间分布式近似投影算法中,再次进行算法一致性及收敛性的分析,并分析影响算法收敛性的因素。在未来工作中,我们可以对异步步长的近似投影算法作进一步研究,此步长与算法的迭代次数有关,更加贴近实际情况,值得我们进一步研究。