在过去的十年里，复杂动态网络及其研究被广泛地应用于许多领域，如社会经济，生物工程，机械工程等方面。复杂动态网络的非线性动态性和网络的拓扑结构影响着其动态行为，而复杂动态网络同步的研究已经成为一个具有挑战意义的热点问题。研究网络同步对于了解群体合作行为的机制和规律以及理解自然和社会中的复杂现象具有重要的意义，它在核磁共振，无线传感器网络，多机器人协调等方面有着非常广阔的应用前景。　　考虑到现实中的动态网络多是非线性耦合形式，而时变参数的存在则增加了研究复杂动态网络同步的难度。本文提出了一种自适应学习控制的方法，运用参数分离和重新参数化技术对具有未知时变参数的非线性耦合系统的自适应同步进行了研究。提出了周期时变参数和常参数的自适应学习律，通过自适应控制律来保证同步误差在2TL范数意义下收敛于零。　　由以上研究思想，本文工作主要包括以下几个方面：　　第一，针对一类具有未知时变参数的非线性参数化的复杂动态网络，提出了一种自适应学习控制法，使复杂动态网络自适应同步到任意给定的状态。通过构造复合能量函数，运用Lyapunov理论的方法，证明了同步误差的收敛性。仿真实例验证了该方法的有效性。　　第二，考虑到复杂动态网络的混合函数投影同步在安全通信和信息安全方面的广泛应用，将利用自适应学习控制和Lyapunov理论的方法，证明了未知时变参数的非线性耦合形式的复杂动态网络的混合函数投影同步。　　第三，考虑具有不同节点的复杂动态网络的平均一致性，该网络具有未知时变非线性耦合项。运用分离原理的思想和自适应学习控制法，证明了复杂动态网络同步到系统状态的平均值。最后通过仿真例子验证这个方法的可行性和有效性。