随着通信与计算机技术的飞速发展,日常生活中对于通信信息安全以及通信速率的要求也不断提高。近些年来,光通信技术不断发展,并且在数据传输速率方面,已经大大超过了基于电子器件的通信。由于半导体激光器(SL)系统可以产生丰富的动力学特性,基于SL的混沌系统在随机数产生,图像加密传输等通信领域具有很大的发展潜力。与此同时,基于光学的多种应用也在不停发展,基于SL的系统在储备池计算,增强学习等领域都取得了较大的成果。在本文中,我们主要的研究内容为:1.研究了基于耦合SL网络的同步特性,发现了在树形拓扑网络结构下,存在着分层混沌同步(HCS)的现象。为了揭示影响HCS质量的因素,利用控制变量方法,分别对激光器的不同参数进行了研究。同时引入了排列熵(PE)作为这一混沌系统输出的复杂度量化指标,并利用互相关函数定量的分析了激光器的参数对于整个网络的同步性能的影响。之后,选取树形网络的三个子节点及其父节点,即一个星形网络,用于产生同步随机比特,并且基于两个用户的下三角矩阵信息协商方法,提出了可应用于三用户的信息协商方法来克服激光器之间不完全匹配造成的不完美的同步问题。2.基于以上的同步随机比特产生器,提出了基于互耦合SL网络的三方密钥分配方法,并将该密钥分配方法用于三方图像加密系统中。之后,对该图像加密系统进行了安全性验证,证明了其安全性和可行性。3.结合国际研究热点,进一步探索了将激光混沌应用于增强学习的潜力,使用TOW模型,研究了激光混沌在多臂赌博机问题探索时的潜在应用,并揭示了激光器系统参数对增强学习的学习速率的影响。之后,研究了SL在迷宫探索问题中的应用,并与传统增强学习算法的学习速率进行对比,验证了混沌SL在增强学习中的作用和优势。