网络科学是近几年的研究热点之一,通过网络科学可以探究生物的起源,研究复杂世界的变化规律。大数据与人工智能的迅速发展更是将复杂网络的研究向前推进了很大一步。研究网络的动力学性质,网络的演化,其最终目的是为了控制网络,使得网络向目标方向演化。然而,现实中许多网络太过复杂,完全控制这样的复杂网络有时是代价昂贵的,甚至是不可行的。通过对网络控制的思考,本文关注的是如下的两个问题:(一)在网络控制过程中,不同的网络结构会影响网络本身的可控性,那么何种因素对网络的可控性能造成较大的影响?(二)在网络控制的过程中,某些时候不仅网络的控制部分会受到制约,其中某些控制输入也会因为现实因素受到影响,那么如何有效解决驱动受限的控制?基于上述问题,本工作根据国内外最新的研究成果,针对网络中的目标控制影响因素以及受限的目标控制问题进行研究,在如下的两个方面进行探索并取得了一定的成果:·目标控制影响因素探索(1)文章探索了目标控制的影响因素,在网络目标控制驱动节点数目上研究了各种度相关性的影响力。并且最终得出了出度-入度相关性是对于复杂网络目标控制而言影响最大的因素,并且在真实数据集上通过实验得出相同的结论。·驱动受限的目标控制方法研究(2)对于真实网络而言,例如:大部分的社交网络、生物网络等,完全控制这样的整个网络有时是没有必要的或者是不可行的。基于这样一个背景,Gao等人提出了复杂网络的目标控制理论。然而,对于许多网络而言,网络的输入信号也会受到限制,基于这样的背景,我们提出了一种基于驱动受限情况下的复杂网络目标可控方法理论。该方法基于复杂网络的控制中心性,通过调整在复杂网络目标控制迭代过程中的匹配顺序,从而实现将复杂网络的驱动节点收敛到受限集合当中,由于网络本身的属性限制(孤立节点等无法受控的节点),驱动节点无法全部收敛到所确定的集合中,因此,最终我们选择驱动节点在受限驱动集合的比例作为衡量指标。并通过真实网络数据集上验证了方法的有效性。综上,复杂网络可控性的研究可以对世界以及人类的进步带来巨大的影响。本文围绕复杂网络的目标控制问题,分别探索了影响其效率的因素以及在驱动受到约束的情况下如何对网络进行目标控制的方法,并获得了一定的成果。可以预见的是在大数据的背景下,网络控制将会有多种控制模式并且会在工程运用中大有作为。