本文主要研究的问题是对动态特性未知的复杂动态网络的最优同步控制器设计。首先,针对线性状态耦合的复杂动态网络,通过定义一种新的二次型性能指标,基于最优控制理论,给出了某容许控制为最优控制的充分必要条件。该最优状态同步控制器由反馈部分和补偿的前馈部分构成,其中反馈部分仍然可以通过求解经典的代数黎卡提方程ARE（Algebraic Riccati Equation）得到。其次,考虑动态特性未知的情形,为了获得最优控制律中的反馈控制增益,提出了一种新的无模型在线迭代算法,利用系统状态和输入信息来迭代求解ARE方程。然后,针对非线性状态耦合的复杂动态网络,同样通过定义一种新的折扣二次型性能指标,基于贝尔曼最优性原理,给出最优的输出同步控制器,同时通过线性化模型和中心流形定理,说明该控制律可以隐式求解输出调节器方程。该最优控制器由反馈部分和补偿的前馈部分构成,其中反馈部分仍然可以通过求解经典的哈密顿-雅可比-贝尔曼HJB（Hamilton-Jacobi-Bellman）方程得到。其次,考虑动态特性未知的情形,提出了一种新的无模型在线迭代算法,利用系统状态和输入信息来迭代求解HJB方程;并利用人工神经网络来实现该算法,其中评价网用以逼近性能指标,执行网用以逼近控制函数,通过对神经网络的近似误差应用最小二乘法得到网络权重的最优值。最后,对上述理论结果均给出相应的理论证明,并利用仿真算例来验证理论结果的有效性。