在这篇文章中，向大家介绍我使用过的4个面向图论及复杂网络分析的程序库，它们可以（分别或同时）用C、C++、C#和Python等语言调用。同时这些库都是开源的，可以通过研读它们的源代码提高编程水平。 好，下边开始介绍，第一位出场的是： 一、Boost Graph Library —— “准”C++标准库 Boost Graph Library（BGL）是C++ Boost库的成员之一。Boost是一个经过千锤百炼的C++库，作为标准模板库STL的后备，是C++标准化进程的发动机之一。Boost库由C++标准委员会库工作组成员发起，在C++社区中影响甚大，是不折不扣的“准”标准库。 BGL的特点是灵活性和高运行效率。BGL是以模板的形式提供的，这意味着你可以在模板的基础上创建自己的类型，比如自定义的节点类。BGL的开发者是世界上最顶尖的C++专家，这个库中实现的各种图算法具有非常高的执行效率，而且BGL本身具有工业强度，你可以放心的使用它。此外，BGL的代码结构良好，是非常值得研读的精品，对于学习算法与数据结构会有很大的帮助。 从我的角度来看，BGL的缺点是没有提供复杂网络分析的算法，所以在实际中我使用的还不多。建议对于分析大规模的网络问题时使用这个库，利用它良好的图数据结构，开发自己的复杂网络分析算法，将会获得很高的执行效率。 参考资源： BGL官方网站： http://www.boost.org/doc/libs/1_42_0/libs/graph/ 技术书籍《The Boost Graph Library》，作者: Jeremy G. Siek，Lie-Quan Lee，Andrew Lumsdaine，见： http://www.douban.com/subject/1463103/ 《使用Boost Graph library》，一个简短的BGL使用介绍，适合快速上手，见： http://www.cppprog.com/2009/0408/100.html 《Boost Graph Library 学习笔记》，讨论学习BGL中遇到的问题，见： http://blog.csdn.net/magicblue/archive/2009/05/22/4208976.aspx 二、QuickGraph —— .NET平台下的BGL QuickGraph是一个用C#语言编写的.NET组件库，所提供的算法与BGL类似，可以看作是Boost Graph Library在.NET平台下的实现。目前QuickGraph的最高版本是3.3，支持.NET 2.0和.NET 3.5平台。 对于复杂网络研究，QuickGraph能够提供的帮助与BGL基本类似。如果你对C#语言（以及其它支持.NET的语言）比较熟悉，可以考虑选择这个库。但由于.NET程序是在虚拟机下运行的原因，所以效率不够高，不适合处理大规模的计算问题。 参考资源： QuickGraph官方网站： http://www.codeplex.com/quickgraph 中文资料暂时还找不到。 三、igraph —— C语言写的复杂网络分析库 igraph是一个建立和操纵无向图、有向图的开源C程序库，它既包含经典图论里的各种算法（例如最小支撑树、网络流等），也包含了最近的出现的一些网络分析算法（如社团结构搜索等）。 igraph是C写的，这意味着你很容易在C/C++中使用它。如果你不熟悉这两种语言，或者觉得用C/C++太繁琐的话，igraph还提供了R语言（一种国外很流行的统计分析语言）和Python语言的接口，所以也很适合科研人员使用（我现在用的是Python，调用igraph很简单）。 参考资料： igraph官方网站：http:/ /igraph.sourceforge.net/ 关于Python语言的介绍，见： http://zh.wikipedia.org/wiki/Python 关于R语言的介绍，见： http://zh.wikipedia.org/wiki/R语言 四、NetworkX —— 全面支持复杂网络分析的Python包 NetworkX是一个创建和操纵复杂网络，并对复杂网络的结构、功能和动力学进行研究的Python包，它提供了目前应用最广泛的一些复杂网络分析算法，当然也包括基本的经典图论算法。NetworkX目前只能在Python语言中使用（这也是我学Python的原因之一，见《 从C#到Python —— 谈谈我学习Python一周来的体会 我个人认为NetworkX比igraph要好用，因为NetworkX的文档更清晰易读，程序结构组织得也很好，我现在主要在用这个包。但NetworkX的执行效率多数情况下会比igraph要低（见Drew Conway所作的对比： http://files.meetup.com/1406240/sna_in_R.pdf ）。所以也不适合作太大规模的网络分析计算。此外，NetworkX和Python的一个绘图包——Matplotlib结合得很好，可很方便地进行复杂网络可视化。 参考资源： NetworkX官方网站： http://networkx.lanl.gov/ Matplotlib（科学绘图的Python包）： http://matplotlib.sourceforge.net 本文介绍了图论与复杂网络研究常用的一些程序库。用好这些程序库（以及其它一些软件工具），可以避免我们无谓的re-invent the wheel，从而提高工作效率。在网上了解到，国外同行用这些库的很多，而在国内还很少搜索到这方面的资料（除了BGL）。作为我进复杂网络圈的敲门砖，向各位圈友推荐这几个库。另外，我近期正在学习Python和NetworkX，如果您感兴趣，欢迎和我交流：） 附：几个库的开发及调用语言对比（*看来学Python还是不错的，这几个库都可以调用-_-）

库名称	原始开发语言	可用某语言调用
BGL	C++	C++/ Python（通过boost-python）
QuickGraph	C#	支持.NET平台的任何语言(Python程序员可用IronPython)
igraph	C	C/C++/R/Python（理论上至少有50种语言可直接或间接调用C程序）
NetworkX	Python	Python

Quick Graph 为.NET提供了通用的有向/无向图数据结构和算法。 Quick Graph 带有深度优先搜索，呼吸优先搜索，A *搜索，最短路径，k最短路径，最大流量，最小生成树等算法。 Quick Graph 最初由Jonathan“ Peli” de Halleux于2003年创建。 Graph Tasks 克隆此仓库。 从lib / Pex安装Pex。 从lib / DotNet.CodeContracts安装CodeContracts。 使用build.cmd进行构建。 使用Visual Studio 2015进行开发。 接下来要去哪里 推荐一款强大的 复杂网络 分析工具—— igraph 库 igraph Library for the analysis of networks项目地址:https://gitcode.com/gh_mirrors/ig/ igraph 在当今的数据科学和机器学习领域中， 图论 和 复杂网络 的分析已经成为了不可或缺的一部分。而在这个领域里，有一款强大的开源工具吸引了众多研究者和技术爱好者的目光—— igraph 库。... 主要用到了的是nx.minimum_spanning_tree()和nx.tree.minimum_spanning_edges()# 创建带权边的列表]]# 创建无向图并添加边return G# 计算最小生成树mst_kruskal = nx.minimum_spanning_tree(G) # Kruskal 算法生成的最小生成树（图对象）。 推荐： Quick Graph —— .NET 图形数据结构与算法库 项目地址:https://gitcode.com/YaccConstructor/ Quick Graph 1、项目 介绍 Quick Graph 是一个强大的开源库，专为.NET开发者设计，提供了通用的有向和无向图数据结构以及各种经典的 图论 算法。自2003年由Jonathan "Peli" de Halleux创建以来，... Quick Graph : A 100% C# graph library with Graph viz Support.---不错，不是很懂，因为我的数学不好！ http://www.codeproject.com/cs/miscctrl/ quick graph .asp Quik Graph 为.NET提供了通用的有向/无向图数据结构和算法。Quik Graph 提供了深度优先搜索、广度优先搜索、A*搜索、最短路径、k最短路径，最大流量、最小生成树等算法。 1.了解easyx图形库 EasyX Graph ics Library 是针对 Visual C++ 的免费绘图库，支持 VC6.0 ~ VC2022（以及VS2013~VS2022)，简单易用，学习成本极低，应用领域广泛。目前已有许多大学将 EasyX 应用在教学当中。 使用范围：给程序窗口中添加图片、音乐、画一些常见的图形（如矩形，长方形，圆等）、设置一些字体样式等....... 1.图谱问题研究背景 现实生活中的各种 复杂网络 都可以用图有效表示。给定一组样本，可以用图来描述样本之间的相关性，其中每个数据样本看做图中的一个节点，样本之间的相似性决定节点间（边）的权重。这些 复杂网络 中存在一些子图，子图内部节点连接相对紧密，子图间节点连接相对稀疏。这写子图称为社团。社团结构反应了 复杂网络 代表的系统中节点间的拓扑关系。 复杂网络 社团结构分割属于图的划分问题。由于 复杂网络 节点规模巨大，通常很难找到特定网络拓扑结构与图谱性质间的直接相关性，求解 复杂网络 社团分割问题的精确解是一个NP难问题。 文章目录1 简介安装支持四种图绘制网络图基本流程2 Graph -无向图节点边属性有向图和无向图互转3 D iGraph -有向图一些精美的图例子绘制一个DNN结构图一些 图论 算法最短路径问题一些其他神经网络绘制工具列表参考 networkx 是一个用Python语言开发的 图论 与 复杂网络 建模工具，内置了常用的图与 复杂网络 分析算法，可以方便的进行 复杂网络 数据分析、仿真建模等工作。 利用networ... http://blog.csdn.net/pipisorry/article/details/54020333Networks算法Algorithms最短路径Shortest Pathsshortest_pathall_shortest_pathsshortest_path_lengthaverage_shortest_path_lengthhas_pathAdvanced InterfaceDe C#， 图论 与图算法，任意一对节点之间最短距离的弗洛伊德·沃肖尔（Floyd Warshall）算法与源程序 Floyd-Warshall算法是图的最短路径算法。与Bellman-Ford算法或Dijkstra算法一样，它计算图中的最短路径。然而，Bellman Ford和Dijkstra都是单源最短路径算法。这意味着他们只计算来自单个源的最短路径。另一方面，Floyd Warshall计算输入图中每对顶点之间的最短距离。 假设你有5个朋友：比利、珍娜、卡西、艾丽莎和哈里。你知道有几条路连接他们的一些房子，你知道这些路的长度。但是，弗洛伊德·沃沙尔可以利用你所知道的，并根据这些信息为你提供最佳路线。例如，看看下面的图表，它显示了从一个朋友到另一个朋友的路径以及相应的距离。 我们初始化解矩阵的第一步与输入图矩阵相同。然后，我们通过将所有顶点视为中间顶点来更新解矩阵。其思想是一个接一个地拾取所有顶点，并更新所有最短路径，其中包括拾取的顶点作为最短路径中的中间顶点。当我们选取顶点数 k 作为中间顶点时，我们已经考虑了顶点{0，1，2，..k-1}作为中间顶点。对于源顶点和目标顶点的每一对(