近年来复杂动力学网络的研究受到自然和社会科学中各个领域研究人员的广泛关注。一个复杂动力学网络可以用图来表示,图中每一个节点都是一个动力学系统,它们之间通过边相互连接,因此图连接拓扑在网络的群体行为中起了关键性的作用。到目前为止估计复杂动力学网络拓扑估计问题还没有被系统的研究,大部分已经提出的方法只能应用于估计连续时间动力学网络的拓扑,且假定网络的拓扑是固定不变的。然而很多真实世界的网络拥有变化的拓扑(例如随着时间的变化新的节点加入网络),且在实际应用中获得的数据通常是离散时间形式。此外,噪音经常破坏参数估计的表现,在实际中导致被估参数围绕真实值波动,但是之前的拓扑估计研究很少关注这点。本文研究了在有噪音的情况下如何估计离散时间动力学网络的变化拓扑,主要内容和创新点如下:1、基于autosynchronization理论设计一个合适的网络估计器来估计离散时间动力学网络的变化拓扑。首先系统的理论分析了这个方法的拓扑估计效果;接着获得了使全局收敛的最优效果的解;最后通过数值仿真证明了这个方法的效果(3D超混沌R?ssler离散时间动力学网络和更大型的SW小世界复杂动力学网络、BA无标度复杂动力学网络)。特别的,本方法提供了一个估计离散时间动力学网络拓扑的通用方法(权重或非权重网络,方向或非方向网络,甚至每个节点的动力学也可以不一致),而且理论和仿真都表明本方法达到特定精度所需的迭代步数明显少于已经存在的方法,即本方法比现在已经存在的方法有着更快的收敛速度;2、提出使用移动平均滤波器来压制实验输出中噪音的影响。仿真了噪音使输出离开同步流型吸引子和噪音在容忍范围内时被估网络拓扑,证明使用移动平均滤波器后被估值更接近真实值;3、把以上方法应用于估计基因调控网络的拓扑。整个流程分为预处理、三次样条插值、曲线拟合和拓扑估计四步。仿真表明只需获得少量采样时间点的表达率,就能得到目标基因的转录率,还能预测在同一条件下的下一个细胞周期活动或预测两个采样时间点之间的基因表达率或预测缺失数据。