【转】介绍几个图论和复杂网络的程序库 —— BGL，QuickGraph，igraph和NetworkX

原文来自：http://blog.sciencenet.cn/blog-404069-297233.html

 

做复杂网络研究离不开对各类实际或模拟网络的统计、计算、绘图等工做。对于通常性的工做，咱们能够用Pajek、Netdraw和Ucinet等软件完成。但对一些特殊应用（好比本身开发了一个新模型），现有的软件不能提供相应的建模或计算功能，这时就必需要经过编程的办法来解决问题了。

在这篇文章中，向你们介绍我使用过的4个面向图论及复杂网络分析的程序库，它们能够（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，能够经过研读它们的源代码提升编程水平。

好，下边开始介绍，第一位出场的是：

1、Boost Graph Library —— “准”C++标准库

Boost Graph Library（BGL）是C++ Boost库的成员之一。Boost是一个通过千锤百炼的C++库，做为标准模板库STL的后备，是C++标准化进程的发动机之一。Boost库由C++标准委员会库工做组成员发起，在C++社区中影响甚大，是彻彻底底的“准”标准库。

BGL的特色是灵活性和高运行效率。BGL是以模板的形式提供的，这意味着你能够在模板的基础上建立本身的类型，好比自定义的节点类。BGL的开发者是世界上最顶尖的C++专家，这个库中实现的各类图算法具备很是高的执行效率，并且BGL自己具备工业强度，你能够放心的使用它。此外，BGL的代码结构良好，是很是值得研读的精品，对于学习算法与数据结构会有很大的帮助。

从个人角度来看，BGL的缺点是没有提供复杂网络分析的算法，因此在实际中我使用的还很少。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，开发本身的复杂网络分析算法，将会得到很高的执行效率。

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》，做者: 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

2、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相似，能够看做是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可以提供的帮助与BGL基本相似。若是你对C#语言（以及其它支持.NET的语言）比较熟悉，能够考虑选择这个库。但因为.NET程序是在虚拟机下运行的缘由，因此效率不够高，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。

3、igraph —— C语言写的复杂网络分析库

igraph是一个创建和操纵无向图、有向图的开源C程序库，它既包含经典图论里的各类算法（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。若是你不熟悉这两种语言，或者以为用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，因此也很适合科研人员使用（我如今用的是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

4、NetworkX —— 全面支持复杂网络分析的Python包

NetworkX是一个建立和操纵复杂网络，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普遍的一些复杂网络分析算法，固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的缘由之一，见《从C#到Python —— 谈谈我学习Python一周来的体会》）。

我我的认为NetworkX比igraph要好用，由于NetworkX的文档更清晰易读，程序结构组织得也很好，我如今主要在用这个包。但NetworkX的执行效率多数状况下会比igraph要低（见Drew Conway所做的对比：http://files.meetup.com/1406240/sna_in_R.pdf）。因此也不适合做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


5、总结

本文介绍了图论与复杂网络研究经常使用的一些程序库。用好这些程序库（以及其它一些软件工具），能够避免咱们无谓的re-invent the wheel，从而提升工做效率。在网上了解到，国外同行用这些库的不少，而在国内还不多搜索到这方面的资料（除了BGL）。做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，若是您感兴趣，欢迎和我交流：）


附：几个库的开发及调用语言对比（*看来学Python仍是不错的，这几个库均可以调用-_-）

库名称	原始开发语言	可用某语言调用
BGL	C++	C++/ Python（经过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

                 

相关专题：复杂网络研究 
本文引用地址：http://blog.sciencenet.cn/blog-404069-297233.html