近年来,复杂系统跟踪控制在控制领域是热门的研究对象。由于不可能使用精确有效的模型,未建模动态现象广泛存在于几乎所有的复杂系统中。如何设计具有未建模动态的复杂系统的跟踪同步算法成为一个重要、有趣和具有挑战性的问题。为了探索这一问题,本文研究了数据驱动的具有观测器的复杂系统跟踪控制问题以及数据驱动的复数复杂系统跟踪控制问题。本文具体研究内容如下:（1）研究了一类具有观测器的复杂跟踪控制系统。首先,提出一种数据驱动观测器,利用神经网络估计节点的未建模动态。在此观测器下,构建关于领导节点的系统跟踪误差,提出了一种基于数据的策略迭代控制方案来完成复杂系统的跟踪同步,实现对领导节点的状态跟踪。所设计的观测器的优点是它基于过程数据,不需要了解系统动态模型的特征。该控制方案由动作网络和评价网络组成,动作网络和评价网络都是基于神经网络的,迭代性能由评价网络生成,控制策略由动作网络生成。此外,分析了观测器的稳定性和控制器的收敛性,并给出了控制方案的实现。最后,通过一个仿真实例验证了所得到结果的有效性。（2）研究了一类数据驱动的复数复杂系统的跟踪控制问题。通过分离实部与虚部,构造关于期望动态的复数系统跟踪误差,建立关于复数系统跟踪误差的代价函数,采用自适应动态规划的方法使代价函数最小化,得到最优控制。将策略迭代收敛分析方法应用到代价函数的收敛性证明上,并通过复数神经网络实现收敛迭代算法。复数神经网络由动作网络和评价网络组成,动作网络生成控制策略,评价网络生成迭代性能指标。最后,通过仿真验证了该算法在复数域的一致性过程,验证了跟踪控制的有效性。