随着社会信息化程度的加深,复杂网络无处不在,生活中很多事物都可以抽象成复杂网络模型,例如,神经网络,电力网络,社交网络,食物链,万维网等.这些应用在一定程度上表现为对复杂网络模型的动力学研究.作为一类重要的动力学行为,同步引起了广泛关注,其在模式识别,安全保密通信,图像加密处理等领域有着广泛应用.许多同步控制方法被提出,其中脉冲控制是一种不连续控制方法,具有较好的抗干扰能力与保密性,在安全保密通信中,具有独特优势.另外,考虑到网络传输过程中,由于传输速率是有限的,信息的采集与处理不可能瞬间完成,时滞现象是不可避免的.因此,关于时滞脉冲控制下时滞复杂网络的驱动-响应同步问题研究已经成为该领域重要的研究方向之一.本文研究了时滞复杂网络的时滞脉冲同步控制问题,主要包括以下内容:第一章中,我们首先介绍与本文相关的学术背景及意义,本文的主要研究工作以及需要用到的一些重要引理.第二章中,我们推广了脉冲微分不等式,首先建立了带有分布时滞脉冲的微分不等式.运用脉冲控制理论和Razumikhin技巧,得到了微分不等式的解的估计情况和它的衰减指数.其次,我们进一步推广时滞脉冲微分不等式,考虑时滞的界未知情况,结合μ函数,得到了时滞脉冲微分不等式的解的估计情况.本章所建立的结果将作为重要的理论工具被应用到复杂网络时滞脉冲同步控制问题的研究中.第三章主要研究了混沌神经网络的分布时滞脉冲同步与控制器设计问题.首先,我们考虑混沌神经网络,通过应用第二章中建立的分布时滞脉冲微分不等式,同时结合Lyapunov方法,对混沌神经网络的响应系统设计分布时滞脉冲控制器,实现了响应系统与驱动系统的指数同步,其中分布时滞在脉冲中的影响被充分考虑了.最后,为了证明研究结果的有效性,我们给出两个具有数值仿真的例子.第四章,我们考虑一般的具有耦合结构和时滞的复杂网络,研究其在时滞脉冲控制下的同步问题,在时滞界未知的情况下,通过耦合μ函数并运用第二章中建立的时滞脉冲微分不等式,建立了响应系统与驱动系统的μ同步准则.最后,我们给出一个具有数值的例子来验证研究结果的有效性.