| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-29页 |
| 1.1 复杂网络 | 第12-15页 |
| 1.1.1 复杂网络概述 | 第12-14页 |
| 1.1.2 复杂网络的统计特性 | 第14-15页 |
| 1.2 复杂网络的趋同行为 | 第15-22页 |
| 1.2.1 人工神经网络的稳定性 | 第15-17页 |
| 1.2.2 复杂网络的同步 | 第17-20页 |
| 1.2.3 多智能体系统的一致性 | 第20-22页 |
| 1.3 本文主要内容和创新点 | 第22-29页 |
| 1.3.1 主要研究内容 | 第22-25页 |
| 1.3.2 主要创新点 | 第25-29页 |
| 第二章 一类高阶时滞BAM神经网络模型的全局指数稳定性 | 第29-55页 |
| 2.1 BAM神经网络的研究背景概述 | 第29-30页 |
| 2.2 具有反应-扩散项和混合时滞的高阶随机BAM神经网络的全局指数稳定性 | 第30-41页 |
| 2.2.1 模型描述及预备知识 | 第30-34页 |
| 2.2.2 p-范数下全局指数稳定性分析 | 第34-40页 |
| 2.2.3 数值例子 | 第40-41页 |
| 2.3 具有Markovian跳变结构的高阶时滞BAM神经网络的全局指数稳定性 | 第41-53页 |
| 2.3.1 模型描述及预备知识 | 第42-44页 |
| 2.3.2 ∞-范数下全局指数稳定性分析 | 第44-52页 |
| 2.3.3 数值例子 | 第52-53页 |
| 2.4 本章小结 | 第53-55页 |
| 第三章 耦合时滞随机神经网络的牵制脉冲控制同步 | 第55-71页 |
| 3.1 模型描述及预备知识 | 第55-58页 |
| 3.2 全局指数同步分析 | 第58-68页 |
| 3.3 数值例子和仿真 | 第68-69页 |
| 3.4 本章小结 | 第69-71页 |
| 第四章 具有非恒同节点的有向时滞复杂网络的聚类同步 | 第71-85页 |
| 4.1 模型描述及预备知识 | 第71-74页 |
| 4.2 基于牵制控制的聚类同步判据 | 第74-80页 |
| 4.3 数值例子和仿真 | 第80-84页 |
| 4.4 本章小结 | 第84-85页 |
| 第五章 时滞多智能体系统的领导-跟随一致性 | 第85-110页 |
| 5.1 多智能体系统的领导-跟随一致性概述 | 第85-86页 |
| 5.2 具有有向切换拓扑结构的一阶多智能体系统的领导-跟随一致性 | 第86-99页 |
| 5.2.1 模型描述及预备知识 | 第86-89页 |
| 5.2.2 领导-跟随一致性准则 | 第89-95页 |
| 5.2.3 数值例子和仿真 | 第95-99页 |
| 5.3 具有有向固定拓扑结构的二阶多智能体系统的领导-跟随一致性 | 第99-108页 |
| 5.3.1 模型描述及预备知识 | 第99-101页 |
| 5.3.2 领导-跟随一致性分析 | 第101-105页 |
| 5.3.3 数值例子和仿真 | 第105-108页 |
| 5.4 本章小结 | 第108-110页 |
| 第六章 总结与展望 | 第110-114页 |
| 6.1 总结 | 第110-111页 |
| 6.2 展望 | 第111-114页 |
| 参考文献 | 第114-129页 |
| 附录一 博士期间撰写和发表的论文、参加科研项目及学术会议 | 第129-131页 |
| 致谢 | 第131页 |
