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

最新推荐文章于 2025-08-19 11:42:12 发布
转载 最新推荐文章于 2025-08-19 11:42:12 发布 · 5.1k 阅读 · 23
文章标签：

#网络 #python #语言 #library #graph #算法

本文推荐了四个用于图论和复杂网络分析的程序库：BGL、QuickGraph、igraph和NetworkX，涵盖了C、C++、C#和Python等多种语言的支持，并提供了丰富的算法和数据结构。

引自： http://www.sciencenet.cn/m/user_content.aspx?id=297233

 

刚加入复杂网络圈子，暂时还没有成熟的研究内容，先发个资料性的东西占坑：）

作复杂网络研究离不开对各种实际或模拟网络的统计、计算、绘图等工作。对于一般性的工作，我们可以用Pajek、Netdraw和Ucinet等软件完成。但对一些特殊应用（比如自己开发了一个新模型），现有的软件不能提供相应的建模或计算功能，这时就必须要通过编程的办法来解决问题了。

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.youkuaiyun.com/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


五、总结

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
BGLC++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        CC/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      PythonPython



   

 

phay
关注
使用Python的NetworkX库进行Tutte图的C++实现
JfBackend的博客
09-24 207
它的主要思想是将图形的边界固定在一个多边形上，并通过优化顶点的位置来实现图形的平面布局。在本文中，我们将使用Python的NetworkX库来实现Tutte图算法，并将其转换为C++代码。希望本文提供的示例代码能够帮助你理解如何使用Python的NetworkX库实现Tutte图算法，并将其转换为C++代码。接下来，我们将使用NetworkX创建一个简单的图形，并应用Tutte图算法来计算其布局。的函数，用于计算Tutte图的布局。在这个函数中，我们可以根据Tutte图的算法来计算顶点的位置。
QuickGraph：.NET的通用图数据结构和算法
02-04
快速图 QuickGraph为.NET提供了通用的有向/无向图数据结构和算法。 QuickGraph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。 QuickGraph最初由Jonathan“ Peli” de Halleux于2003年创建。 科 .NET 主 GraphTasks 贡献 建立 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
【QuikGraph】C#调用第三方库实现迪杰斯特拉(Dijkstra)算法功能
blucod的博客
05-08 1296
QuikGraph为.NET提供了通用的有向/无向图数据结构和算法。QuikGraph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。
复杂网络常见的数据和程序代码网站
qingqingpiaoguo的专栏
03-11 3188
http://www-personal.umich.edu/~mejn/  Newman的主页，有很多网络数据，代码（分网络集团，powerlaw识别，尾巴估计等都有）和论文。 http://www.nd.edu/~networks/resources.htm  Barabasi在 Notre Dame的时候的数据库 http://uk.crawdad.org/meta.php?n
【亲测免费】 推荐：QuickGraph —— .NET 图形数据结构与算法库
gitblog_00072的博客
05-20 904
推荐：QuickGraph —— .NET 图形数据结构与算法库 1、项目介绍 QuickGraph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，该项目经过不断的更新和完善，如今由@gsvgit维护，并在持续发展。 2、项目技术分析 QuickGra...
精选资源
matlab_bgl_matlab_bgl_复杂网络matlab_matlabbgl_BGL工具_图论工具箱_
10-04
《MATLAB BGL：探索复杂网络与图论...综上所述，MATLAB BGL是复杂网络研究和图论应用的得力工具，它将C++的高效与MATLAB的便利相结合，为科研和教育工作提供了强大的支撑。无论是初学者还是资深研究者，都能从中受益。
精选资源
matlab_bgl.zip_bgl工具箱_介数matlab_图论 matlab_图论 介数_图论工具箱
07-15
BGL工具箱，全称为Boost.Graph.Library，是专为MATLAB设计的一个扩展库，主要致力于提供图论算法的实现，使得用户能够方便地进行图论相关计算。在这个“matlab_bgl.zip_bgl工具箱_介数matlab_图论 matlab_图论 介数_...
MATLAB BGL工具箱：图论与复杂网络度量
MATLAB BGL工具箱是一个专业的计算机程序库，它被设计用于处理图论问题，以及进行复杂网络分析。这个工具箱对于研究和开发中的工程师、研究人员和学生来说是极具价值的，因为它可以极大地简化图论及复杂网络相关度量...
精选资源
f复杂网络工具包_matlab_bgl_复杂网络工具包_
10-01
MATLAB BGL（Barabási-Gómez-Lib）是专门为复杂网络分析设计的一个强大的工具包，它提供了丰富的函数和算法，帮助研究人员和工程师对复杂网络进行建模、分析和可视化。 首先，我们来了解一下什么是复杂网络。复杂...
MATLAB BGL工具箱：图论与复杂网络仿真应用
“matlabBGL工具箱”作为一项研究复杂网络和图论的仿真工具，为学术研究和工程实践提供了一系列的计算和分析功能，特别在计算节点介数和寻找最短路径方面具有重要的应用价值。即使它是老版本的资源，但作为学习和...
【亲测免费】 QuickGraph：高效图数据结构与算法库
gitblog_00600的博客
09-28 1171
QuickGraph：高效图数据结构与算法库 项目介绍 QuickGraph 是一个为 .NET 平台设计的通用有向/无向图数据结构和算法库。自 2003 年由 Jonathan "Peli" de Halleux 创建以来，QuickGraph 已经成为处理复杂图问题的首选工具。无论是深度优先搜索、广度优先搜索，还是 A* 搜索、最短路径、k-最短路径、最大流、最小生成树等算...
初识QuickGraph
weixin_34315665的博客
09-02 1396
在Gentle.NET的引用中看到了这个东东，google查了一下，有关内容如下： QuickGraph: A 100% C# graph library with Graphviz Support.---不错，不是很懂，因为我的数学不好！ http://www.codeproject.com/cs/miscctrl/quickgraph.asp ...
.NET平台图论算法实战：QuickGraph应用教程
weixin_36149538的博客
08-19 1022
图论是数学的一个分支，它研究图的性质和图之间的关系。在计算机科学中，图论是网络分析、算法设计、数据结构和其他许多领域不可或缺的一部分。图论模型能够帮助我们理解和模拟现实世界的复杂系统，比如社交网络、计算机网络、运输网络、供应链等。图结构提供了对实体（顶点）之间关系（边）的直观表示。拓扑排序是图论中的一种排序算法，用于对有向无环图（DAG）的顶点进行线性排序。该排序的顺序使得对于任何一条从顶点 u 到顶点 v 的有向边(u,v)，u 都在排序中出现在 v 之前。
QuickGraph 开源项目教程
gitblog_00605的博客
09-28 635
QuickGraph 开源项目教程 1. 项目介绍 QuickGraph 是一个为 .NET 平台提供的通用图数据结构和算法库。它支持有向图和无向图，并提供了多种图算法，如深度优先搜索、广度优先搜索、A* 搜索、最短路径、k-最短路径、最大流、最小生成树等。QuickGraph 最初由 Jonathan "Peli" de Halleux 在 2003 年创建，目前由社区维护。...
QuickGraph开源项目指南及常见问题解答
gitblog_01047的博客
11-07 612
QuickGraph开源项目指南及常见问题解答 QuickGraph是一款专为.NET平台设计的图数据结构与算法库。它提供了丰富的支持泛型的有向图与无向图结构，并集成了深度优先搜索、广度优先搜索、A*搜索、最短路径算法、k-最短路径、最大流、最小生成树等多种经典图算法。此项目由Jonathan "Peli" de Halleux于2003年创立，并遵循MS-PL开源许可协议。 ...
GraphSharp 简介一
familyvirtue的专栏
01-06 3272
GraphSharp网站给出的介绍：Graph# is a graph layout framework. It contains some layout algorithms and a GraphLayout control for WPF applications.即GraphSharp是一个包含一些布局算法可应用于WPF程序图形布局的框架。 GraphSharp网站给出了一个帮助的博客地
QuickGraph 项目推荐
gitblog_00529的博客
11-08 432
QuickGraph 项目推荐 1. 项目基础介绍和主要编程语言 QuickGraph 是一个为 .NET 平台设计的开源项目，专注于提供通用的图数据结构和算法。该项目的主要编程语言包括 C#、F# 和 Smalltalk。QuickGraph 的目标是为开发者提供一套强大的工具，以便在 .NET 环境中处理图数据结构和算法问题。 2. 项目的核心功能 QuickGraph 的核心功能包括： 图...
QuickGraph 项目教程
gitblog_00561的博客
09-28 923
QuickGraph 项目教程 1. 项目的目录结构及介绍 QuickGraph 项目的目录结构如下： QuickGraph/ ├── docs/ ├── lib/ ├── src/ ├── tests/ ├── .gitattributes ├── .gitignore ├── .gitmodules ├── .travis.yml ├── LICENSE.txt ├── QuickGraph....
推荐学习C#算法库，全写明白，无敌了。
2401_82584055的博客
06-05 2136
这个项目是一个用C#实现的各种算法的集合，涵盖了计算机科学、数学和统计学、数据科学、机器学习、工程学等多个领域。项目中的算法实现和相关文档旨在为教育工作者和学生提供学习资源。因此，你可能会发现针对同一目标有多个实现，但使用了不同的算法策略和优化方法。
c++如何使用networkx库？
最新发布
08-26
<think>我们注意到用户的问题：如何在C++中使用NetworkX库进行网络分析？但是，根据引用[3]和[5]的信息，NetworkX是一个Python库，而C++中并没有直接对应的NetworkX库。因此，我们需要考虑替代方案。 引用[3]提到：“但是对于规模很大的问题，性能上的要求需要我们去使用诸如igraph, BGL(boost graph library,不过基本已经停止开发）之类用C/C++写成的库。” 因此，我们可以建议用户使用C++中的其他图论库，例如Boost Graph Library (BGL) 或者 igraph的C++接口。 然而，用户可能希望使用类似于NetworkX的接口，那么我们可以考虑以下两种方案： 1. 使用C++调用Python代码（例如通过嵌入Python解释器或使用IPC），从而间接使用NetworkX。 2. 使用C++中原生的图论库，如BGL或igraph。 由于用户明确提到“在C++中使用”，我们优先考虑第二种方案，因为第一种方案可能会带来性能损失和系统复杂性。 下面我们分别介绍两种方案： 方案一：在C++中嵌入Python以使用NetworkX 这种方法允许我们在C++程序中执行Python代码，从而使用NetworkX的功能。我们可以使用Python/C API，或者使用一些封装好的库（如Boost.Python或pybind11）来调用Python代码。 步骤示例： 1. 初始化Python解释器。 2. 导入NetworkX模块。 3. 调用NetworkX的函数。 4. 获取结果并转换为C++可用的格式。 5. 关闭Python解释器。 但是，这种方法需要C++程序与Python环境紧密集成，并且可能带来性能开销和部署复杂性。 方案二：使用C++的图论库（推荐） 对于C++开发者，更直接的方法是使用C++的图论库。其中，Boost Graph Library (BGL) 是一个强大的图论库，提供了丰富的图算法和数据结构。此外，igraph也是一个高性能的图论库，提供了C和C++的接口。 下面我们以BGL为例，简要介绍如何使用： 步骤： 1. 安装Boost库（包含BGL）。 2. 在C++代码中包含相应的头文件。 3. 定义图结构（例如邻接表）。 4. 使用BGL提供的算法。 示例：使用BGL计算图的度分布 ```cpp #include <boost/graph/adjacency_list.hpp> #include <boost/graph/graph_traits.hpp> #include <iostream> #include <vector> using namespace boost; int main() { // 定义图类型 typedef adjacency_list<vecS, vecS, undirectedS> Graph; // 创建图对象 Graph G; // 添加边 add_edge(0, 1, G); add_edge(0, 2, G); add_edge(1, 2, G); add_edge(1, 3, G); // 计算每个顶点的度 graph_traits<Graph>::vertex_iterator vi, vi_end; graph_traits<Graph>::degree_size_type d; for (tie(vi, vi_end) = vertices(G); vi != vi_end; ++vi) { d = degree(*vi, G); std::cout << "顶点 " << *vi << " 的度为: " << d << std::endl; } return 0; } ``` 另外，igraph库也是一个很好的选择。它提供了许多网络分析功能，并且性能优异。 示例：使用igraph计算平均路径长度 ```cpp #include <igraph.h> #include <iostream> int main() { igraph_t graph; igraph_real_t avg_path; // 创建一个简单的图 igraph_small(&graph, 0, IGRAPH_UNDIRECTED, 0,1, 0,2, 1,2, 1,3, -1); // 计算平均路径长度 igraph_average_path_length(&graph, &avg_path, NULL, IGRAPH_UNDIRECTED, true); std::cout << "平均路径长度: " << avg_path << std::endl; // 销毁图 igraph_destroy(&graph); return 0; } ``` 注意：使用igraph需要安装igraph的C库，并在编译时链接。 结论： 由于NetworkX是Python库，无法直接在C++中使用。因此，我们建议： 1. 如果必须在C++项目中使用NetworkX，可以考虑嵌入Python解释器（方案一），但需注意性能和维护成本。 2. 更推荐使用C++的图论库，如BGL或igraph（方案二），它们提供了类似的功能，并且性能更好。 相关问题： 1. 如何安装Boost Graph Library？ 2. 在C++中调用Python代码有哪些方法？ 3. igraph和BGL在功能上有哪些主要区别？ 4. 如何用C++的图论库实现NetworkX中的常用功能（如社区检测）？ 5. 在C++中处理大规模图有哪些优化技巧？</think>### 在C++中使用NetworkX库的方法 NetworkX是专为Python设计的库，**无法直接在C++中调用**。但您可以通过以下方案实现类似功能： --- ### 方案一：使用C++调用Python（推荐） 通过嵌入Python解释器或进程通信，在C++中调用NetworkX： ```cpp #include <Python.h> int main() { Py_Initialize(); // 执行NetworkX代码 PyRun_SimpleString( "import networkx as nx\n" "G = nx.Graph()\n" "G.add_edge(1,2)\n" "print('节点数:', G.number_of_nodes())\n" ); Py_Finalize(); return 0; } ``` **编译说明**： 1. 安装Python开发包：`sudo apt-get install python3-dev` 2. 链接Python库：`g++ -o main main.cpp -I/usr/include/python3.8 -lpython3.8` --- ### 方案二：使用C++原生图库替代 #### 1. Boost Graph Library (BGL) ```cpp #include <boost/graph/adjacency_list.hpp> using namespace boost; int main() { typedef adjacency_list<vecS, vecS, undirectedS> Graph; Graph G; add_edge(0, 1, G); // 添加边 add_edge(0, 2, G); std::cout << "节点数: " << num_vertices(G) << std::endl; } ``` **特点**：高性能，支持复杂算法（如Dijkstra、DFS）[^3] #### 2. igraph (C接口) ```cpp #include <igraph.h> int main() { igraph_t graph; igraph_empty(&graph, 0, IGRAPH_UNDIRECTED); // 创建图 igraph_add_vertices(&graph, 3, 0); // 添加节点 igraph_add_edge(&graph, 0, 1); // 添加边 igraph_destroy(&graph); // 释放内存 } ``` **优势**：支持大规模网络分析（百万级节点）[^5] --- ### 方案三：混合编程（高性能场景） 1. 用Python+NetworkX开发原型 2. 用C++重写性能关键模块 3. 通过PyBind11暴露C++模块给Python： ```cpp #include <pybind11/pybind11.h> namespace py = pybind11; int add(int a, int b) { return a + b; } PYBIND11_MODULE(example, m) { m.def("add", &add); } ``` 在Python中调用： ```python import example example.add(3, 4) # 返回7 ``` --- ### 各方案对比 | 方案 | 开发效率 | 执行性能 | 适用场景 | |--------------|----------|----------|------------------------------| | 嵌入Python | ★★★★★ | ★★☆☆☆ | 快速原型开发 | | Boost/igraph | ★★★☆☆ | ★★★★★ | 高性能计算、大规模网络 | | 混合编程 | ★★★★☆ | ★★★★☆ | 性能敏感型生产系统 | --- ### 关键注意事项 1. **数据传递成本**：C++与Python间数据交换可能成为瓶颈，建议批量传输 2. **内存管理**：igraph需手动释放内存，BGL基于RAII自动管理 3. **算法差异**：不同库的社区检测等算法实现可能有区别 4. **可视化方案**：C++可输出GraphML格式，用Gephi可视化（替代NetworkX绘图）[^4] > 对于**超大规模网络**，推荐优先考虑igraph或BGL，其性能显著优于NetworkX[^5]。若需利用NetworkX的丰富算法，可通过进程隔离（如gRPC）降低Python对C++主程序的影响。 ---
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值