研究了有向网络下的分布式优化问题，其中每个智能体的局部目标函数的和构成了网络的全局目标函数。本文利用梯度跟踪和比例积分的策略对梯度的平均值进行跟踪，并设计变量对拉普拉斯矩阵零特征值的左特征向量进行跟踪，从而在权重不平衡有向网络下提出了一类基于梯度的固定步长分布式优化算法。将分布式优化算法从无向图推广到了有向图。在局部目标函数和其梯度分别满足强凸和李普希兹连续的情况下，结合凸分析和李雅普诺夫稳定性理论分析算法的收敛性，结果证明所提出的算法能够收敛到优化问题的最优解。