复杂动态网络是由大量节点互相耦合而成的一种网络,其可用于刻画自然界、人类社会、以及工程领域中相互联系、相互影响的复杂系统.由于网络的节点数量多、节点间的耦合方式复杂,复杂动态网络往往表现出丰富的动力学行为.对复杂动态网络动力学行为的深入研究有助于理解群体行为的原理以及探索复杂系统的运行机理.在实际应用中,由于网络带宽以及网络设备性能的限制,传输的信息不可避免的受到网络诱导现象的影响,比如传输时滞、数据量化、网络阻塞、网络攻击等.此外,物理设备的限制以及被控对象模型未知性等约束广泛存在于动态复杂动态网络中,这就对复杂动态网络的控制与状态估计问题的研究提出了一系列极富挑战性的新课题.本文旨在围绕分布时滞、动态量化、输入饱和、网络攻击、部分节点测量输出可用以及系统模型未知等复杂动态网络中的诸多因素,综合运用Lyapunov稳定性理论、现代控制理论、代数图论、切换系统方法以及线性矩阵不等式技术等工具系统探究几类复杂动态网络的控制与状态估计问题.本文的研究内容概括如下:（1）在动态量化策略下,探讨一类具有分布时滞的多智能体网络的一致性问题.与通常的静态量化方法相比,我们引入了一些可调参数来设计动态量化策略,其可以动态调整量化水平,从而避免出现量化器饱和现象.此外,为了减少控制器的驱动负担和量化器的成本,应用采样控制机制来设计多智能体网络的一致性协议.通过构造一个新的Lyapunov-Krasovskii泛函,并应用代数图论以及不等式技术,推导出多智能体网络实现一致性的判据.在此基础上,控制器设计问题可以归结为求解一组线性矩阵不等式.（2）研究一类基于采样控制以及受输入饱和约束的非线性多智能体网络的二部跟踪一致性问题.所考虑的多智能体之间既有合作关系又有竞争关系.首先,利用Lyapunov稳定性理论和线性矩阵不等式技术,导出多智能体网络能够实现二部跟踪一致的充分条件.进一步,应用解耦方法降低了线性矩阵不等式的维数,从而减轻计算复杂度,使所获得的结果可以应用于大规模非线性多智能体网络.此外,提供了椭球形二部跟踪一致吸引域的一个估计.（3）在合作—竞争网络拓扑下,探究一类遭受拒绝服务攻击的基于采样控制的非线性多智能体网络的二部跟踪一致性问题.由于恶意攻击的存在,智能体在拒绝服务攻击期间无法接收邻居信息,这导致原有的采样控制系统被转化为非周期采样控制系统.针对这样的系统,我们首先推广了 Halanay不等式,并在代数图论和Lyapunov稳定性定理的基础上,导出了多智能体网络达到二部跟踪一致的充分条件.特别地,当跟随者间的连接方式为无向图时,基于矩阵解耦方法,建立了基于低维线性矩阵不等式的二部跟踪一致性判据,以降低计算复杂度.（4）考虑具有间歇性数据传输的一类时滞复杂动态网络的状态估计问题.由于一个典型的复杂网络具有大量的节点,要测量所有节点的输出是不现实的,即使可能,也需付出高额的成本.因此,我们仅利用一部分网络节点的测量输出设计状态估计器.为了进一步节省通信资源、减轻驱动负担,我们在估计器的设计中引入动态事件触发机制.我们的主要目的是利用网络中部分节点的测量输出,设计复杂网络的状态估计器,使得状态估计误差系统是指数稳定的.利用Halanay不等式和切换系统方法,推导出状态估计器存在的充分条件.进一步,通过矩阵不等式的一组可行解表示了部分节点的估计器增益.此外,证明了所提出的事件触发机制不会发生Zeno行为.（5）研究一类具有未知非线性动力学特性的切换复杂动态网络的状态估计问题.针对系统中的未知非线性函数,我们引入神经网络来逼近未知非线性函数,在此基础上,我们构造了一种新的基于神经网络的非脆弱状态估计器.在估计器的设计中,我们也引入了事件触发机制以提高通信资源的利用率.利用Lyapunov稳定性理论和不等式技术,导出了复杂动态网络指数最终有界的状态估计器存在的判据并进一步证明了所提出的事件触发机制能够避免Zeno现象.此外,将估计器的设计问题转化为一组线性矩阵不等式解的可行性问题.