随着网络科学的深入发展,动态网络系统的研究在科学界和工程领域引起了广泛关注。实际生活中,许多系统都是以网络的形式存在,且早期网络的研究主要专注于用简单规则网络来描述问题。随着微分方程逐渐被大家所熟知,人们发现现实中很多实际问题都可以用一个动态网络模型来描述。目前,网络系统的动力学分析逐渐成为学者们的研究热点。本文在现有成果的基础上,讨论了时滞影响下神经网络的有限时间反同步和状态估计问题;同时,基于采样数据控制,对于通信受限的复杂网络和多智能体系统,分别研究其延迟同步问题和一致性问题;另外,在切换拓扑下,讨论了多智能体系统一致性问题。本文的理论结果均进行了数值仿真验证,主要的研究内容如下:(1)针对带有时滞的神经网络,研究其有限时间反同步问题。在间歇调整反馈控制器作用下,运用有限时间稳定性理论和一些微分不等式方法,得到网络实现有限时间反同步准则。另外,基于采样数据状态估计器,研究了通信受限的竞争神经网络的状态估计问题。通过引入切换信号,得到一个切换系统来判断网络是否发生了数据包丢失。然后,计算出数据包丢失率的上界,采用平均驻留时间理论,对于任意的切换信号,当数据包丢失率小于等于其上界时,能够估计出竞争神经网络的状态。(2)针对通信受限的复杂网络,研究其延迟同步问题。引入伯努利随机变量,将概率时变时滞的信息转换为具有随机参数的时变时滞。同样地由于系统可能会发生数据包丢失,将误差系统转换成一个切换系统来描述系统的数据包丢失。然后设计一个带有m个采样区间的随机采样控制器,运用Lyapunov稳定性理论并结合基本不等式方法,得到复杂网络实现延迟同步的充分条件。(3)针对通信受限的非线性多智能体系统,研究其采样数据一致性问题。一方面,通过使用伯努利分布序列来描述系统随机发生的数据包丢失。另一方面,定义一个切换信号,得到一个切换系统以一种确定的方式来描述系统的数据包丢失。基于拉普拉斯矩阵的特殊性质,可以将一致性问题转化为较低维数的误差系统稳定性问题。通过给出不同的最大采样区间,得到系统不同的收敛速度。最后,设计适当的采样数据控制协议,推导出多智能体系统一致性准则。(4)针对带有随机发生非线性的多智能体系统和随机变化非线性的多智能体系统,研究其在切换拓扑下的一致性问题。首先,通过定义误差系统,可以将系统的一致性问题转换成误差系统的稳定性问题。当所有的拓扑图都包含一个有向生成树时,设计适当的控制协议,由于在不同的拓扑结构之间切换,故选择不同的牵制节点,建立多智能体系统实现一致性的准则。其次,考虑部分拓扑图不包含一个有向生成树,即部分拓扑图中跟随者无法接收到领导者的信息时,仍然能够得到系统实现一致性的准则。