本文提出了一种优化复杂动态网络同步性的算法。从一个无向和无权网络开始，我们得到了一个无方向和无权的网络，它具有相同数量的节点和边，具有增强的同步能力。为此，根据一些网络属性，反复执行重新布线，即消除一条边并在其他地方创建新边，以避免相同节点之间始终出现自循环和多条边。我们表明，该方法能够在随网络大小扩展的少量步骤中，增强任何大小和拓扑特性的网络的同步能力。对于数值模拟，使用了基于模拟退火的优化算法。此外，通过迭代步骤跟踪网络不同拓扑特性的演化，如节点度分布、节点和边之间的中心性。我们使用无标度、Strogatz-Watts和随机等网络开始，我们表明，无论初始网络如何，最终优化的网络都是同构的。换言之，在具有高同步性的网络中，度、最短距离、节点和边之间的中心度等参数几乎是均匀分布的。此外，对于重新布线的网络，最大节点和边缘中心度等参数都很小。虽然我们以拉普拉斯特征比作为优化的目标函数，但我们表明也可以选择其他表现出几乎相同性能的合适目标函数。此外，我们还表明，即使考虑到同步能力的另一种解释，即同步成本，优化网络也具有相同的同步特性。事实上，在具有优化同步性的网络中，对同步性的不同解释是一致的。优化后的网络是Ramanujan图，因此，该重布线算法可以用于生成任何大小和平均度的Ramanujan图。
