复杂网络控制是近几年复杂网络研究的一个热点问题。在过去的复杂网络控制研究中,若存在一组适当的控制信号可以在有限时间内驱动系统达到指定的最终状态,从而控制整个网络,则该网络被认为是可控的,符合可控性理论的要求,并将最少驱动节点数量视作控制成本。计算复杂网络可控性需要精确的网络模型,但大型复杂网络系统建模困难,很难准确搭建符合网络可控性研究所需要的精准模型。因此,如何从复杂网络系统中获取可用的数据并实现复杂网络的数据驱动控制,成为复杂网络控制研究的新方法,具有很强的实际意义。通过系统的历史与在线数据,实现复杂网络的最优控制,基于该理念,本文做了如下研究:首先,进行了异质数据重构的研究。异质数据是指从正常运行的系统中多次获取的不同时间、不同初始条件和不同最终条件的多组数据的集合,将多组数据进行重组,构建异质数据重构矩阵,重构矩阵包含每组运行数据的系统信息。其次,基于重构的异质数据形式,提出了两种基于异质数据的复杂网络数据驱动控制方案。一种是通过输入输出数据关系得到的控制方案,另一种是通过挖掘系统矩阵得到的控制方案,以最小控制能量作为输出结果,给出复杂网络异质数据驱动控制所需的最少数据量,通过实验证明两种方案的可行性,探讨了在不同比例输入节点下的方案的可靠性。此外,针对受到独立同分布的理想噪声干扰的异质数据,提出了一种数据驱动控制方案消除了噪声的影响,实现复杂网络的数据驱动控制。最后,将Baggio提出的复杂网络数据驱动控制方案引入到多层网络中,并进行了合理性分析。通过改变多层网络单层度与层间连边密度,对ER-ER、WS-WS和BA-BA网络进行多组实验,验证该方案求得的最小控制能量与传统方案具有一致的趋势。使用含有39个节点的New England电网搭建电力-通信双层网络,并对该网络进行了控制研究,可以稳定、快速地将发电机的相角与频率控制到同步状态,在输入频率受到较小的正态分布的噪声干扰时,该控制方案依旧有效。