在自然界和人类社会中存在着广泛的网络现象.近年来,复杂动力学网络引起了国际科学界的广泛重视,已成为统计物理、随机图论、生态学、电力网络、传感器网络、细胞神经网络等领域的研究热点,并与其它许多学科领域相互渗透,有着巨大的应用前景.　　本论文主要内容分为五章,第一章简要介绍一下非线性动力学和混沌控制的预备知识,并指出复杂动力学网络的研究现状.第二章简要介绍了各种混沌系统的同步方法以及同步性分析.第三章和第四章为文章的正文,详细介绍了本文的主要工作及创新点.在第五章中我们对全文进行了归纳总结,并对以后的研究工作进行了展望.全文的主要内容和思想概括为如下几个方面:　　(1)拓扑识别和参数识别在复杂网络的研究中是具有挑战性的问题.利用同步理论我们针对一般的复杂动力学网络,基于状态同步反馈方法,提出了一种参数识别策略,在可对网络系统进行控制的前提下,该策略能有效识别未知的混沌振子网络的权重耦合参数.本方法能较好克服因网络内同步产生线性相关性而不能有效识别参数的问题,该方案以独立混沌系统为驱动系统,从而识别出耦合混沌系统的耦合参数,且给出了参数更新规则的统一设计方法.耦合Chua电路的数值模拟很好的说明了本方法对于参数识别的有效性.　　(2)耦合神经元网络是通过对人脑的基本单元一神经元建模和连接,来探索模拟人脑神经系统功能的模型,是描述复杂脑神经细胞网络的一个比较成功的模型.离散时间耦合神经元网络的稳定性与分岔在神经元网络研究中占有重要地位.本文构造了一个简单的Lyapunov函数,利用这一构造再次证明了猜想一当延迟为M时,离散时间的对称耦合神经元网络的周期解的周期只能是M+1及其约数.并且,值得一提的是利用我们构造的Lyapunov函数首次证明了反对称耦合网络只有周期为2(M+1)的Yorke型周期解,即(M+1)一反周期解。