随着通信技术的快速发展,复杂网络已经被广泛应用到交通网络、智能电网和社会网络等诸多领域中。为了深入探索复杂网络的动力学行为,复杂网络的状态估计算法设计问题受到了广泛的关注。由于不确定的网络传输环境,通常需要考虑不可靠通讯情况（不完全观测和信息调度策略等）,这会给复杂网络的分析和综合问题带来一定的困难。目前,针对时变复杂网络,考虑不可靠通讯下方差约束状态估计的研究成果相对较少。因此,本文旨在探讨不完全观测和信息调度策略对时变复杂网络分析带来的影响,提出不可靠通讯下时变复杂网络的分布式优化状态估计新方法及算法性能评价准则,为解决时变复杂网络的优化状态估计问题提供有效方法。具体地,本文将从以下几个方面进行研究:1.基于轮询协议调度,研究具有随机切换非线性的随机内耦合复杂网络的优化状态估计问题。采用Bernoulli随机变量刻画两个非线性函数之间的随机切换现象,利用服从特定概率分布的随机变量描述随机耦合现象。引入轮询协议调度依次分配数据的传输权限,并构造基于数据补偿的新型时变递推估计器。利用随机分析以及矩阵理论建立估计误差协方差及其上界的递推方程,并在最小均方误差意义下设计估计器增益参数。讨论估计误差协方差上界的有界性以及该上界的迹关于耦合强度的单调性问题,并给出相关理论证明。2.基于指数型事件触发调度,研究具有衰减测量的随机不确定外耦合复杂网络的优化状态估计问题。针对每一个网络节点,给出测量数据衰减模型。引入一个统计特性已知的随机序列和有界的不确定参数刻画网络节点间的随机不确定外耦合现象。采用事件触发调度方案调节数据传输权限,从而避免不必要的实时数据传输。基于矩阵理论建立估计误差协方差及其上界的递推方程,并设计最小均方误差意义下的估计器增益参数。此外,分析该上界的迹关于衰减概率的单调性并给出相应的理论证明。3.基于动态事件触发调度,研究具有测量野值的时变输出耦合复杂网络的优化状态估计问题。与之前所采用的事件触发调度策略不同,这里采用由动态方程驱动的辅助变量来描述更一般的触发准则,进而调整数据传输频率。考虑发生测量野值的情形,引入饱和函数对更新方程进行约束,从而减轻测量野值对状态估计精度的影响。建立具有更新约束的新型两步状态估计器,并给出估计误差协方差上界的递推方程。通过最小化方差约束指标设计估计器增益,进而得到新颖的分布式优化估计算法。最后,分析所提出的优化状态估计算法的有界性并给出判别条件。4.基于放大-转发中继器调度,提出具有数据丢失和均匀量化的时变耦合复杂网络的优化状态估计方法。在节点至节点的信道中考虑状态均匀量化现象。针对网络传输距离受限问题,引入放大-转发中继器调度扩展数据的传输范围,为远程数据传输任务的顺利完成提供保障。利用可获取的观测信息构造新型两步状态估计器,建立估计误差协方差上界的递推方程。以最小化方差约束指标为目标,设计估计器增益参数并给出最优估计算法。最后,分析该上界的迹关于丢失概率的单调性并给出严格的理论证明。5.基于随机通信调度,探讨概率量化影响下时变周期耦合复杂网络的优化状态估计问题。采用周期依赖的时变函数描述复杂网络的周期切换拓扑结构,考虑数据在传输过程中的概率量化现象。引入随机通信调度模型以减少数据的实时传输量,并构造具有周期耦合结构的新型状态估计器。利用矩阵不等式建立估计误差协方差及其上界的递推方程。进而,设计估计器增益参数以保证该上界的迹取得最小值,并基于一定的条件给出保证优化状态估计算法有界的充分判据。6.基于编码-解码通信调度,提出具有比特率受限和随机内耦合参数的饱和时变复杂网络的优化状态估计算法。利用具有已知概率信息的随机矩阵描述复杂网络的随机拓扑结构。考虑传输限制以及网络安全,采用比特率约束下的编码-解码通信调度策略对数据进行处理。根据定义给出估计误差协方差及其上界的递推方程,并设计最小均方误差意义下的估计器增益。此外,结合状态饱和约束限制,给出估计误差协方差上界有界的充分条件。最后,将本章所提出的优化状态估计策略应用于解决移动机器人的定位跟踪问题,验证所设计的优化状态估计方法的有效性和实用性。