现实生活中的许多系统都可以用复杂网络来进行描述并表现出来,比如社会领域中的电影演员网络、科学家合作网络、电子邮件网络、学生关系网络,信息领域中的万维网、因特网、引用网,生物领域里的代谢网络、蛋白质网络、神经网络等等。近年来,复杂网络理论的研究取得了突破性的进展,一些经典的复杂网络模型也先后被提出来,并且这些模型也已经有了非常广泛的应用。经典不意味着完美,以BA无标度网络模型和适应度模型为例,这两模型就存在着一些问题。这两个模型在考虑网络增长的过程中,只考虑了网络中已经存在的节点的内在属性,而没有注意到新加入到网络中的节点的内在属性。其实,复杂网络中的节点对应到现实中的网络,每个节点都直接或间接的与人为的因素有关,人是有自己的主观能动性的,有自己的兴趣偏好等等,所以在考虑网络增长的过程中,考虑新加入节点的兴趣爱好等问题非常有必要。本文注意到了这一点提出了基于兴趣值的适应度网络模型。基于兴趣值的适应度网络模型相较于BA无标度网络模型和适应度模型在两方面有所改进。(1)在网络的增长过程中,BA无标度网络模型和适应度模型都认为节点的到达应该服从均匀分布,因此在网络增长阶段,这两个模型都规定每次网络新增加一个节点且节点有m条边与其他节点相连。而大量的人类动力学研究文献表明,节点的到达是应该服从泊松分布的,同时,也有很多学者利用节点的到达服从泊松分布建立了网络模型。所以在本文引入了节点的到达服从泊松分布的性质。(2)考虑到新加入到网络中的节点是应该有自己的兴趣的问题,本文提出了基于兴趣值的适应度模型,并且针对兴趣值引入的必要性,兴趣值如何选取,模型如何建立等问题进行了深入讨论。而且还用了大量篇幅进行了论证与实验,最后通过对比试验验证了本文提出的基于兴趣值的适应度模型的有效性。