为提高分布式在线优化算法的收敛速度，对底层网络拓扑依次添边，提出一种快速的一阶分布式在线对偶平均优化（FODD）算法。首先，对于分布式在线优化问题，运用添边方法使所选的边与网络模型快速混合，进而建立数学模型并设计FODD算法对其进行优化求解。其次，揭示了网络拓扑和在线分布式对偶平均收敛速度之间的关系，通过提高底层拓扑网络的代数连通度改进了Regret界，将在线分布式对偶平均（ODDA）算法从静态网络拓展到时变网络拓扑上，并证明了FODD算法的收敛性，同时解析地给出了收敛速度。最后的数值仿真表明：和ODDA算法相比，所提出的FODD算法具有更快的收敛速度。 近年来，网络和分布式计算的迅猛发展造就了从大型集成电路计算机到分布式网络工作站的一个