复杂网络近年来在国内外掀起了研究的热潮，受到来自科学与工程各个领域研究者的强烈关注。现实世界中的许多系统都可以通过复杂网络进行描述，例如：社会网、万维网、因特网等。从数学的角度看，任何一个网络都可以抽象为一个由点集V和边集E 构成的图，其中，结点代表网络中的元素，边代表个体间的关联性。许多网络演化模型都可以被看作状态空间是图集的马尔可夫过程。与经典随机图过程不同，图值随机过程研究节点和边都随机变化的图过程。这里，随时间的变化，节点的增加和删除是随机的，在删除节点的同时也删除该节点所连接的边。图值过程的团聚性是人们感兴趣的一个主要性质，特别是具有这种特性的图值过程满足的充分条件，更是引起人们极大的关注。为了搞清复杂网络特征的形成机制，研究人员提出了众多的网络演化模型。然而，到目前为止，对于图值过程演化模型的特征研究大都停留在数值仿真或是平均场，主方程等统计物理的方法，有些模型缺乏数学上的严格性。 本文研究具有加点加边机制的图值马氏过程，从随机分析角度出发，给出这类图值马氏过程不具有大团聚性的一个充分条件。