复杂系统的研究现状在科学和技术上，复杂网络的普遍存在自然导致了一系列重要值得研究的问题。1998年以Watts和Barabasi等为代表的科学家先后在复杂动力网络研究中有两项比较重要的发现：小世界(Small-world)网络模型[11]和无尺度(Scale-Free)网络络模型[12]。前者指貌似庞大的网络其实是个小世界，即网络大多数节点间有较短的连结(路径)；后者指复杂网络的连接度分布具有某种幂指数形式。研究表明，现实世界中许许多多的复杂网络都是小世界或无尺度类型的网络：从生物体中的大脑结构到各种新陈代谢网络、从大型电力网络到全球交通网络、从各种科研合作网络到各种政治、经济、社会关系网络等等，数不胜数[13-20]。因此，复杂动力网络的研究引起了不同学科的广泛重视和关注。今天，复杂动力网络的研究正从数学和工程技术科学渗透到社会科学、物理学、以及医学生物学等众多不同的学科。63904

复杂网络的自适应同步就是利用自适应控制原理，设计自适应控制器，使得复杂网络在控制器的作用下达到同步。自适应控制器能够根据控制量的变化调整控制器内部参数，使得复杂网络中的某些参数得到自动调整，实现复杂网络的同步[21-22]。

复杂网络的研究可以使人们更好的了解现实世界的复杂系统，从而为设计具有良好性能的网络提供理论依据。同时复杂网络的理论成果将会广泛地应用到生物、计算机等各个学科领域．例如，复杂网络理论的研究将会对互联网系统中各种重大问题的解决，如网络安全和网络控制，从宏观上提供一定的理论指导。

综上所述，复杂网络系统的研究有深刻的实际背景，它的出现使得人们可以把自然、社会和技术领域不同的复杂系统用相同或者类似的网络模型来统一描写，通过映射、类比、移植等方法来发现共同特征，进而发现具体系统的特有性质，增加了解决问题的新的有效工具。复杂网络系统是复杂系统发展的必然趋势，也是社会发展的必然要求，它是当前复杂系统研究领域中最具有挑战性的问题之一，因此，复杂网络系统理论的研究具有十分重要的理论意义和广阔的应用前景。

自适应控制的发展现状

自适应控制最初由Draper和Li在1951年提出的[23]，它发展的重要标志是在1958年Whitaker及其同事设计的一种自适应飞机飞行控制系统。由于当时计算机技术和控制理论的发展水平，这些新的控制思想没有得到应有的发展，经过几十年的不断努力，自适应控制理论和系统的设计方得到了较大的发展。在现实生活中，很多控制对象的数学模型随时间和工作环境的改变而变化，其变化规律往往事先并不知道。当控制对象的数学模型参数在小范围内变化时，可用一般的反馈控制、最优控制或补偿控制等方法来消除或减小参数变化对控制品质的有害影响。但如果控制对象的参数在大范围内变化时，上面这些方法就不能圆满她解决超题，要解决这个问题就需要引入自适应控制方法。论文网

自从20世纪50年代末提出第一个自适应控制系统以来，先后出现过许多不同形式的自适应控制系统。迄今，无论是从理论研究还是从实际应用的角度来看，自适应控制[24-26]有两类最基本的类型，即“模型参考自适应控制”和“自校正调节器”。

自适应控制可简单地定义如下[27]：在系统工作过程中，系统本身能不断地检测系统参数或运行指标，根据参数的变化或运行指标的变化，改变控制参数或改变控制作用，使系统运行于最优或接近于最优工作状态。自适应控制也是一种反馈控制，也是一种基于数学物理模型的控制方法，但它不是一般的系统状态反馈或系统输出反馈。自适应控制所依据的关于模型的先验知识比较少，需要在系统的运行和控制过程中去不断发现和提取有关模型的信息，使模型逐渐得以完善，是一种比较复杂的反馈控制。对于自适应控制系统，即使控制对象是线性定常系统，其自适应控制亦是非线性时变反馈控制系统，所以设计自适应控制比一般的反馈控制要复杂得多。