神经元网络的同步在大脑的信息处理,认知,记忆和情感等方面发挥着重要的作用。而大脑特定区域神经元的异常同步放电是导致神经精神疾病的原因之一，比如，大脑丘脑和基底核区域的神经元过度同步放电与神经系统疾病-帕金森病紧密相关,海马区神经元的同步与癫痫疾病相关等。深度脑刺激可以通过电刺激调节神经集群的同步来对这类疾病进行治疗。但目前开环的深度脑刺激还存在诸多缺陷，因此研究神经集群的同步特性及同步的控制对疾病的治疗具有重要意义。本文以Morris-Lecar模型和能建模帕金森病的跨临界模型为对象，通过神经元的相响应和神经网络同步的分析，得出了依赖于相响应的同步规律，揭示了神经元的固有属性对神经网络同步的影响机理；并以简化的神经元相模型为基础，提出了改变神经元放电时刻的相重置控制和对神经元网络进行去同步的能量最优控制，为神经疾病的治疗提供了重要的理论指导。本论文的研究内容主要包括以下三个部分：首先研究单个周期峰放电神经元的相响应特征,根据参数对神经元相响应的影响进而对神经网络同步的影响，得出与相响应曲线形状对应的网络同步特性。研究发现外部刺激下既有相提前也有相滞后特性的神经元网络的同步指数要高于仅有相提前的神经元网络的同步指数；接下来研究了化学突触耦合对周期峰放电神经元相响应的影响,发现耦合对神经元相响应的影响取决于耦合类型和耦合相差，得出了神经元从耦合到同步的动态过程。其次研究单个周期簇放电神经元的相响应，发现神经元的簇相响应对簇内放电时刻具有极大的敏感性，并用数学的方法证明了这种对应关系，数值仿真结果表明具有不同簇相响应的神经元网络的簇相同步也不同。最后，基于对神经元的相响应和同步的分析，提出了改变神经元放电时刻的相重置控制策略。并以神经元的相模型为对象，提出了离散确定性系统去同步的动态规划能量最优控制；将强化学习中经典的Q-learning算法与人工神经网络结合，解决了连续随机系统去同步的能量最优控制。仿真结果证明了控制的有效性。本论文利用单神经元的相响应特征建立了神经元的固有属性与神经元网络同步特性的桥梁，有助于理解神经系统异常放电的潜在机理；对神经系统同步的控制也为提高深度脑刺激的治疗效果提供了可行的优化方案。