随着近些年来科技的发展,复杂网络的研究得到很大的突破,随着研究的日益渐深,也使人们发现复杂网络与自然和人类社会的许多方面都密切相关,因此开始受到不同领域的科研工作者的广泛关注。本文叙述了复杂网络的研究发展及其同步的概况,介绍了复杂网络研究中常用的几个重要参量和几个基本的网络模型,基于BA无标度网络模型提出了一个最大度受限的新LBA网络模型,研究了新模型的统计特性,结合振子网络的同步行为比较了新模型与几个基本网络模型的同步性能；最后论述了簇网络模型的特性和构建,研究了簇网络在不同群间耦合条件下的同步过程,比较了不同群间加边策略下,簇网络的同步性能差异。主要研究工作如下：1、传统BA无标度网络中节点的最大度随着网络规模无限增大,使得网络中存在少数度非常大的hub节点。考虑实际的网络构建过程中由于成本限制,节点的最大度都是有限的,因此本文在BA网络生长规则的基础上提出了最大度受限的BA网络模型,记为LBA网络模型。本文进一步研究了最大度限制K不同取值下,LBA网络的平均路径、聚类系数和度分布情况,并和近邻网络、随机网络和BA网络的统计特性进行了比较。研究表明,K接近网络平均度时,生成的网络类似近邻网络；当K接近2倍平均度时,LBA网络的统计特性接近随机网络；当K较大时,LBA网络的统计特性接近原始BA无标度网络。以Kuramoto振子作为网络节点,我们进一步研究了LBA网络的同步性能。研究发现,当最大度限制K增大时,振子网络的同步性能是逐步增强的,其极限情况对应BA无标度网络的同步能力。2、通过构建简单的簇网络模型,本文研究群落间的耦合强度不同时,簇网络以及各个群落的同步过程。研究表明,每个群落都有一个同步临界耦合强度值Kc,,整个簇网络有一个同步临界耦合强度值Krc。当每个群落的统计特性相似时,Kc,基本上相等；当群落间耦合作用较小时,Krc远远大于Kci；群间耦合增强时,Krc减小,Kci基本保持不变；当群间耦合足够大时,Krc达到稳定,等于Kci,此时网络呈现一体性,群落效应消失。另外,我们分别按随机加边策略和大度优先加边策略增加簇网络的群间耦合强度,研究了此时簇网络的同步行为的差异。仿真研究表明,大度节点优先加边策略能更好的减小簇网络的平均距离,提高簇网络的同步能力。