复杂系统在自然界和人类社会中普遍存在，复杂系统可通过各种各样的复杂网络来描述。复杂网络是具有复杂拓扑结构和动力学行为的大规模网络，它是由大量节点通过边的相互连接而构成。近年来，复杂网络研究已经渗透到数理科学、生命科学和社会科学等众多不同领域，已成为一个极其重要的挑战性课题。　　神经网络和多智能体系统就是一类特殊的复杂网络系统。由于神经网络系统的在分布式存储、模式识别、信号处理、图像处理、故障诊断、制动控制以及组合优化领域内的应用，在过去的几十年里神经网络系统受到了越来越多研究者的关注。同时，由于多智能体系统在生物、物理、计算机和控制工程中的应用，很多的学者也对多智能体系统做了大量工作。　　本文研究了神经网络系统同步和多智能体系统一致性问题，总的可以概括为以下四个方面:　　1.研究了有脉冲效应和时变延迟神经网络同步问题。现有很多关于脉冲神经网络的研究，对脉冲增益大小都有限制。在原有神经网络研究的基础上，一个新的充分条件被提出，在此条件下对有任意脉冲增益的两个神经网络都可以达到同步。数值结果证实了此方案的有效性和可行性。　　2.研究了间歇控制下一类有时间延迟和脉冲效应的神经网络的渐近同步问题。通过设计了更具一般性的间歇控制器，基于李雅普诺夫理论和一些微分不等式，提出了新的充分条件使得神经网络实现同步。数值仿真证实了理论的正确性和有效性。　　3.研究了在脉冲控制下有不确定项和随机发生非线性扰动的多智能体一致性。基于李雅普诺夫函数和脉冲控制理论，通过设计脉冲控制器，得到了有随机不确定性的多智能体主从一致性的条件。数值模拟证实了结论的有效性。　　4.研究了在脉冲和切换控制下有固定拓扑结构的三阶多智能体主从一致性问题。基于随机微分方程和混合控制理论，设计了一个有效的脉冲与切换控制器，获得了在噪音环境下三阶多智能体主从一致性的条件。数值模拟证实了结论的有效性。