巴拉巴西-阿尔伯特模型（Barabasi-Albert model）和埃尔多斯-雷尼模型（Erdos-Renyi model）是两种常用的随机网络生成模型，它们之间的区别主要在于网络的增长机制和连接方式。

巴拉巴西-阿尔伯特模型是一种无标度网络生成模型，它通过优先连接机制来模拟网络的无标度特性。具体来说，该模型的增长过程是逐步进行的，每一步都会添加一个新的节点，并且该节点会与已存在的节点建立连接。连接的概率与已存在节点的度数成正比，即度数越大的节点越容易被连接。下面是一个使用Python实现巴拉巴西-阿尔伯特模型的示例代码：

import networkx as nx
import matplotlib.pyplot as plt

# 初始化一个空的无标度网络
G = nx.Graph()

# 添加初始节点和连接
G.add_node(0)

# 设置参数
m = 3  # 每个新节点要连接的已存在节点数

# 逐步增长网络
for i in range(1, 100):
    G.add_node(i)  # 添加新节点
    
    # 为新节点连接m个已存在节点
    targets = list(G.nodes())  # 获取已存在节点列表
    source = [i] * m  # 新节点的标识
    G.add_edges_from(zip(source, targets[:m]))  # 添加连接

# 绘制网络图
nx.draw(G, with_labels=True)
plt.show()

埃尔多斯-雷尼模型是一种随机图模型，它通过随机连接机制来模拟网络的随机特性。具体来说，该模型的增长过程是一次性完成的，在初始阶段所有节点都会相互连接，然后根据给定的连接概率随机添加额外的连接。下面是一个使用Python实现埃尔多斯-雷尼模型的示例代码：

import networkx as nx
import matplotlib.pyplot as plt

# 初始化一个空的随机图
G = nx.Graph()

# 设置参数
n = 100  # 节点数
p = 0.1  # 连接概率

# 添加节点和连接
G.add_nodes_from(range(n))
G.add_edges_from(nx.erdos_renyi_graph(n, p).edges())

# 绘制网络图
nx.draw(G, with_labels=True)
plt.show()

以上是分别使用Python实现巴拉巴西-阿尔伯特模型和埃尔多斯-雷尼模型的示例代码。你可以根据需求调整参数和增加额外功能来满足具体的应用场景。