摘要：基于量化状态信息的异步随机Gossip算法大多以均匀选择概率的时间模型为基础，未充分考虑网络拓扑结构对局部信息传递的影响。为此，该文提出了一种以非均匀选择概率为时间模型的改进算法。首先给出了非均匀选择概率下的多智能体系统时间模型，在随机性量化策略下给出了一致性误差的收敛性质；并讨论了量化精度和概率化权重矩阵第2大特征值对一致性误差收敛速度的影响，进而利用投影次梯度给出了选择概率的分布式优化方法。仿真结果表明，该基于量化状态信息的算法可通过选择概率的分布式优化，提高一致性误差的收敛速度。

关键词：多智能体系统 量化 分布式一致 非均匀选择概率 优化 

单位：南京理工大学自动化学院 南京210094