【轉】介紹幾個圖論和複雜網絡的程序庫 —— BGL，QuickGraph，igraph和NetworkX

原文來自：http://blog.sciencenet.cn/blog-404069-297233.html

 

做複雜網絡研究離不開對各類實際或模擬網絡的統計、計算、繪圖等工做。對於通常性的工做，咱們能夠用Pajek、Netdraw和Ucinet等軟件完成。但對一些特殊應用（好比本身開發了一個新模型），現有的軟件不能提供相應的建模或計算功能，這時就必需要經過編程的辦法來解決問題了。

在這篇文章中，向你們介紹我使用過的4個面向圖論及複雜網絡分析的程序庫，它們能夠（分別或同時）用C、C++、C#和Python等語言調用。同時這些庫都是開源的，能夠經過研讀它們的源代碼提升編程水平。

好，下邊開始介紹，第一位出場的是：

1、Boost Graph Library —— 「準」C++標準庫

Boost Graph Library（BGL）是C++ Boost庫的成員之一。Boost是一個通過千錘百煉的C++庫，做爲標準模板庫STL的後備，是C++標準化進程的發動機之一。Boost庫由C++標準委員會庫工做組成員發起，在C++社區中影響甚大，是徹徹底底的「準」標準庫。

BGL的特色是靈活性和高運行效率。BGL是以模板的形式提供的，這意味着你能夠在模板的基礎上建立本身的類型，好比自定義的節點類。BGL的開發者是世界上最頂尖的C++專家，這個庫中實現的各類圖算法具備很是高的執行效率，並且BGL自己具備工業強度，你能夠放心的使用它。此外，BGL的代碼結構良好，是很是值得研讀的精品，對於學習算法與數據結構會有很大的幫助。

從個人角度來看，BGL的缺點是沒有提供複雜網絡分析的算法，因此在實際中我使用的還很少。建議對於分析大規模的網絡問題時使用這個庫，利用它良好的圖數據結構，開發本身的複雜網絡分析算法，將會得到很高的執行效率。

參考資源：
BGL官方網站：http://www.boost.org/doc/libs/1_42_0/libs/graph/
技術書籍《The Boost Graph Library》，做者: Jeremy G. Siek，Lie-Quan Lee，Andrew Lumsdaine，見：http://www.douban.com/subject/1463103/
《使用Boost Graph library》，一個簡短的BGL使用介紹，適合快速上手，見：http://www.cppprog.com/2009/0408/100.html
《Boost Graph Library 學習筆記》，討論學習BGL中遇到的問題，見：http://blog.csdn.net/magicblue/archive/2009/05/22/4208976.aspx

2、QuickGraph —— .NET平臺下的BGL

QuickGraph是一個用C#語言編寫的.NET組件庫，所提供的算法與BGL相似，能夠看做是Boost Graph Library在.NET平臺下的實現。目前QuickGraph的最高版本是3.3，支持.NET 2.0和.NET 3.5平臺。

對於複雜網絡研究，QuickGraph可以提供的幫助與BGL基本相似。若是你對C#語言（以及其它支持.NET的語言）比較熟悉，能夠考慮選擇這個庫。但因爲.NET程序是在虛擬機下運行的緣由，因此效率不夠高，不適合處理大規模的計算問題。


參考資源：
QuickGraph官方網站：http://www.codeplex.com/quickgraph
中文資料暫時還找不到。

3、igraph —— C語言寫的複雜網絡分析庫

igraph是一個創建和操縱無向圖、有向圖的開源C程序庫，它既包含經典圖論裏的各類算法（例如最小支撐樹、網絡流等），也包含了最近的出現的一些網絡分析算法（如社團結構搜索等）。

igraph是C寫的，這意味着你很容易在C/C++中使用它。若是你不熟悉這兩種語言，或者以爲用C/C++太繁瑣的話，igraph還提供了R語言（一種國外很流行的統計分析語言）和Python語言的接口，因此也很適合科研人員使用（我如今用的是Python，調用igraph很簡單）。

參考資料：
igraph官方網站：http://igraph.sourceforge.net/
關於Python語言的介紹，見：http://zh.wikipedia.org/wiki/Python
關於R語言的介紹，見：http://zh.wikipedia.org/wiki/R語言

4、NetworkX —— 全面支持複雜網絡分析的Python包

NetworkX是一個建立和操縱複雜網絡，並對複雜網絡的結構、功能和動力學進行研究的Python包，它提供了目前應用最普遍的一些複雜網絡分析算法，固然也包括基本的經典圖論算法。NetworkX目前只能在Python語言中使用（這也是我學Python的緣由之一，見《從C#到Python —— 談談我學習Python一週來的體會》）。

我我的認爲NetworkX比igraph要好用，由於NetworkX的文檔更清晰易讀，程序結構組織得也很好，我如今主要在用這個包。但NetworkX的執行效率多數狀況下會比igraph要低（見Drew Conway所做的對比：http://files.meetup.com/1406240/sna_in_R.pdf）。因此也不適合做太大規模的網絡分析計算。此外，NetworkX和Python的一個繪圖包——Matplotlib結合得很好，可很方便地進行復雜網絡可視化。

參考資源：
NetworkX官方網站：http://networkx.lanl.gov/
Matplotlib（科學繪圖的Python包）：http://matplotlib.sourceforge.net


5、總結

本文介紹了圖論與複雜網絡研究經常使用的一些程序庫。用好這些程序庫（以及其它一些軟件工具），能夠避免咱們無謂的re-invent the wheel，從而提升工做效率。在網上了解到，國外同行用這些庫的不少，而在國內還不多搜索到這方面的資料（除了BGL）。做爲我進複雜網絡圈的敲門磚，向各位圈友推薦這幾個庫。另外，我近期正在學習Python和NetworkX，若是您感興趣，歡迎和我交流：）


附：幾個庫的開發及調用語言對比（*看來學Python仍是不錯的，這幾個庫均可以調用-_-）

庫名稱	原始開發語言	可用某語言調用
BGL	C++	C++/ Python（經過boost-python）
QuickGraph	C#	支持.NET平臺的任何語言(Python程序員可用IronPython)
igraph	C	C/C++/R/Python（理論上至少有50種語言可直接或間接調用C程序）
NetworkX	Python	Python

                 

相關專題：複雜網絡研究 
本文引用地址：http://blog.sciencenet.cn/blog-404069-297233.html