复杂网络研究已经成为当今科学界研究的前沿和热点，在信息科学、物理学、生物学、数学乃至社会学、管理学等领域都产生了重大贡献和持续影响。回顾网络科学过去十多年的发展，人们的主要兴趣和精力大多放存对网络自身的结构和网络上的动力学过程进行建模、分析乃至预测。复杂网络下一步的核心内容就是我们对复杂网络系统进行定性调控乃至精确控制。　　本文主要从四个方面研究网络的可控性：　　1)针对复杂网络如何进行控制，研究了两种算法，最大匹配算法和最大重数定理算法。最大匹配算法就是将复杂网络控制问题转化成寻找最大匹配边，驱动节点的问题，最大重数算法，得出以下结论：①对于任意网络，驱动节点数为几何重数；②对于对称网络，驱动节点数为代数重数；③对于稀疏网络和密集网络，分别得出不同的计算公式。比较两种方法，最大重数方法应用范围更广，该方法适用于任意类型的网络，包括有向、无向、有权、无权和带有自环的网络等。　　2)研究各种影响最小驱动节点数的因素。研究结果表明，聚类系数和模块化，没有明显的影响，但度分布和度相关性，会影响驱动节点数，即影响网络的可控性。　　3)提出三种提高可控性的方法，随机增加链路法、链路重新布线和微扰算法。通过对以上三种方法的比较，第一种方法复杂度比较高，第二种算法复杂度明显降低，且参考了最大匹配方法中的链路分类，方法新颖且理论依据强。第三种算法利用微扰来提高可控性，最终使得驱动节点数减小为1，优化了网络可控性。　　4)主要探讨控制复杂网络所需要付出能耗的上界和下界，并指出了控制的难易程度与网络结构的对等性之间的关系。　　本文可控性理论的研究方法具有一般性和广泛的适用性，研究结果不仅对于控制各种复杂网络系统有着理论参考价值，而且能更深入地理解网络结构与可控性之间的内在关系。