近年来,复杂网络模型的一致性和同步被广泛应用到众多领域,受到了国内外学者们的持续关注.其中,多智能体网络和神经网络作为两类常见的复杂网络模型,因而更是学者们研究的热点.脉冲控制策略因其具有时效性、简单性、低耗能性和非连续性已然被广泛应用于实践中.因此本文主要讨论了基于脉冲控制的多智能体网络模型的一致性和神经网络的反同步问题.本文通过引入脉冲控制器讨论了多智能体网络系统的一致性和神经网络的同步性问题,主要内容包含:（1）通过引入对节点进行脉冲控制的手段,设计基于节点子集的时变脉冲牵制控制来获得多智能体系统的一致性.结果表明,时变脉冲强度的允许范围完全取决于图的拉普拉斯矩阵对应特征值为0的左特征向量、牵制节点及其个数,并且证明了脉冲可以非常稀疏,脉冲时间间隔有下界.同时随着控制节点的增加,多智能体网络系统收敛速度更快.最后,给出了数值模拟来验证所得结果的正确性.（2）利用基于状态调控的脉冲控制策略,探索了多智能体系统在时滞脉冲和牵制控制下的一致性问题.通过基于状态调控的脉冲控制,给出了误差排序下牵制控制的一致性准则,并揭示了时滞对系统一致性的影响.我们通过数值模拟来验证控制策略的有效性.（3）本章研究了时滞神经网络在时标上的脉冲指数反同步问题.基于时标理论,通过建立新的积分时滞不等式,利用不等式技巧和Lyapunov函数方法,得到了时滞神经网络系统达到反同步的充分条件.