Исследуется вопрос классификации многослойных сетей и метрик центральности, которые могут быть применимы для анализа таких сетей, основанных на случайном блуждании. К таким метрикам центральности можно отнести: центральность собственного вектора, центральности по Катцу, PageRank. Также в работе приводятся примеры многослойных сетей из различных отраслей народного хозяйства. В части классификации сетей предложены четыре вида сетей, в которых каждая предыдущая является частным случаем последующей(-их) сети(-ей). В статье выделяют: однородную направленную временную сеть (Temporal Network), однородную мультиплексную сеть (Multiplex Network), неоднородную сеть (Heterogeneous Network), неоднородную многослойную сеть (Multilayer Network). Приведены матрицы (супраматрицы) смежности для каждого из класса сетей, а также приведена их визуализация. Сделана классификация как по видам сетей, к которым возможно применение рассматриваемой метрики, так и по устройству алгоритмов, на основании которых реализован расчет центральности. Выделяются рекурсивные алгоритмы, где центральность узлов уровня зависит от центральности узлов на соседних уровнях, а также алгоритмы, базирующиеся на матрице супрацентральности, где всю многослойную сеть представляют с помощью одной матрицы (супраматрицы). В заключении указаны ключевые особенности рассматриваемых алгоритмов, которые необходимо учитывать при их использовании в практических приложениях. Эти особенности можно рассматривать как ограничения алгоритмов