شبکه های پیچیده به مجموعه ای از گره ها گفته می شود که توسط یال هایی به یکدیگر متصل شده اند و دارای مشخصات توپولوژیکی غیرمتعارفی هستند. معمولا یک تابع نگاشت به نام توزیع درجه وجود دارد که حالت کلی شبکه را توصیف می کند و بر اساس آن شبکه های پیچیده مختلف را طبقه بندی می شود. در قسمت اول این پایان نامه، ما شبکه های با توزیع درجه ی توانی (بی مقیاس) و ضریب خوشگی مطلوب را نمایش دادیم. در اینجا توزیع فضایی گره ها اهمیت نداشت. در این مدل گره ها به دو دسته تقسیم شدند به نام های فعال و منفعل. در نتیجه دو زیرشبکه به نام های فعال-فعال و فعال-منفعل تعریف شد. زیرشبکه ی فعال-فعال تابع توزیع درجه ی متفاوتی برای پارامترهای کنترل مختلف از خودنشان می داد. به علاوه نتیجه ضریب خوشگی و متوسط درجه نزدیک ترین همسایگان به عنوان تابعی از درجه نودها نشان داد که شبکه ی تابعی مغز را می توان با استفاده از زیرشبکه ی فعال-فعال شبیه سازی کرد. نتایج ما نشان می داد که کارایی شبکه با افزایش پارامتر کنترل افزایش می یابد. در شبکه های اقتضایی متحرک مجموعه ای از گره های متحرک با ارتباطات بی سیم، ساختاری به صورت لحظه ای متصل درست می کنند، بدون اینکه نیازی به یک ابر ساختار ثابت به عنوان حاکم مرکزی داشته باشند. در شبکه های اقتضایی متحرک، گره های متحرک به صورت سراسری تصمیم می گیرند در حالی که به موضعی محیط اطرافشان را مشاهده می کنند. در قسمت دوم، ما مدلی برای شبکه های فضایی معرفی کردیم که در آن گره ها در یک فضای دوبعدی اقلیدسی توزیع شده اند تا بتوان برای استفاده به عنوان مدلی برای شبکه های اقتضایی متحرک استفاده شوند. روش ما در اینجا کمینه کردن انرژی بود. با استفاده از بررسی های سراسری، ما تلاش کردیم تا شرایطی که برای شبکه ی متصل پایدار لازم است بیابیم. آنگاه با استفاده از نتایج مدل سراسری، مدلی خودسازمان دهنده با استفاده از مشاهدات موضعی ساختیم. علاوه بر گره های ساکن، ما تحرک گره ها را نیز بررسی کردیم.