动态现象是很难用局部信息来预测的，因为它具有丰富的微观结构和相应的复杂动态，并且计算一个具有几于节点的大型网络的一些随机参数的一个可怕的工作．因此无标度网络的拓扑结构是很难估计的，人们不能清楚地发现无标度网络中信息传递的途径，然而，对于复杂网络的研究，掌握无标度网络、小世界网络的拓扑结构是非常有必要的．许多学者致力于对它的研究．其中有些人构造了一系列具有无标度小世界特性的网络来近似估计网络的一般特性．　　建立具有无标度和小世界特性的网络模型是用特殊网络来近似真实网络的一个重要途径．值得注意的是，网络模型具有良好的结构正好可以用于实际应用模型的构造．在这篇文章中，我们对几种增长网络进行研究并且验证了它们的无标度性．首先我们给出几种增长网络模型的具体生成机制，计算了它们的基本参数，特别我们的网络模型越来越具有随机性．然后，我们验证了几类网络模型的分布性质，如度分布，幂律分布和聚类系数，并且我们提出了一些新的方法，如边累积分布，此外，我们给出了几个算法来寻找网络的最大叶子生成树，计算了最大叶子生成树的重要性质．并且给出了和最大叶子生成树有关的平衡集的概念，定义和验证了一类特殊的生成树(αk,βk)一生成树．最后，对未来的工作做了总结和展望.