分布式协同优化旨在开发分布式控制策略,以驱动网络化多动力系统在完成协同目标的同时,趋于局部代价函数之和的最优解。由多个相互作用的自主体组成的网络化多动力系统又称为多自主体系统。近年来,因其在多机器人系统的协同寻源、无人地面/空中飞行器编队以及电力系统中能源的分布式协调等广泛应用,针对分布式协同优化的研究取得了重大进展。然而,大多数现有的研究成果均假设自主体之间的通信网络拓扑是无向图,或者至多是平衡有向图。此外,大多数控制策略依赖关于网络连通性和代价函数的某些全局信息,因此不是完全分布式的。而在实际场景中,自主体之间的通信网络拓扑通常是不平衡的有向图,并且所需的全局信息通常是未知的。此外,大多数现有控制策略假设自主体可以获取其内部状态,并具有全局Lipschitz梯度的强凸代价函数,这些严格的假设在工程实践中通常无法被满足。本文旨在开发分布式控制策略解决在实际约束下的多自主体系统的分布式协同优化问题。本文的主要研究结果包括两部分。在第一部分中,解决非平衡有向图上具有线性/非线性动力学的多自主体系统的分布式协同优化问题。在第二部分中,进一步在不使用任何全局信息的情况下,将所开发的控制策略应用于解决多个移动机器人的协同寻源问题以及电力系统中能源的分布式协调问题。这些问题的主要挑战在于通信拓扑的不平衡、全局信息的缺失、一般自主体动力学的复杂性以及其他物理约束,例如自主体状态、代价函数的凸性或梯度的全局Lipschitz连续性不可用于反馈控制。本文的主要结果可以总结如下。1.研究了非平衡有向网络上异构线性多自主体系统的分布式协同优化问题。本文考虑一般的非平衡有向图,而允许自主体动力学是非最小相位线性系统。提出了一种新的分布式输出反馈控制器,将所有自主体输出控制到全局代价函数的最优解。2.研究了非平衡有向网络上二阶不确定非线性多自主体系统的分布式协同优化问题。在非线性动力学包含参数不确定性和外部干扰的假设下,通过利用两层控制方法,开发了一种新的分布式状态反馈控制器,使得该问题在不需要不确定性或扰动先验信息的情况下得以解决。3.研究了非平衡有向网络上规范型不确定非线性多自主体系统的分布协同优化问题。由于存在不确定性和扰动,利用高增益观测器来估计自主体的状态,使得所构造的分布式控制器仅依赖于自主体的输出。在标准的假设下,证明了所有自主体的输出可以半全局收敛于最优解。4.研究了具有欧拉-拉格朗日动力学结构的多自主体系统的协同寻源问题。在局部代价函数是非凸的情况下,基于自适应控制方法,构造了一种不依赖于关于网络连通性的全局先验信息的完全分布式控制器,从而使非平衡有向网络上的多个移动机器人可以协同地趋近搜索源的位置。5.研究了具有线性动力学结构的多发电机系统的分布式最优资源分配问题。在代价函数的梯度为局部Lipschitz的松弛条件下,建立了闭环系统的输入为零的输入-状态稳定性,然后证明了在保持各自局部可行性约束的条件下,决策变量趋向于最优解的收敛性。