剛加入
複雜網路圈子
，暫時還沒有成熟的研究內容，先發個資料性的東西佔坑：）
作複雜網路研究離不開對各種實際或模擬網路的統計、計算、繪圖等工作。對於一般性的工作，我們可以用
pajek
、netdraw
和ucinet
等軟體完成。但對一些特殊應用（比如自己開發了乙個新模型），現有的軟體不能提供相應的建模或計算功能，這時就必須要通過程式設計的辦法來解決問題了。
在這篇文章中，向大家介紹我使用過的4個面向圖論及複雜網路分析的程式庫，它們可以（分別或同時）用c、c++、c#和python等語言呼叫。同時這些庫都是開源的，可以通過研讀它們的源**提高程式設計水平。
好，下邊開始介紹，第一位出場的是：
一、boost graph library —— 「準」c++標準庫
boost graph library（bgl）是c++ boost庫的成員之一。boost是乙個經過千錘百鍊的c++庫，作為標準模板庫stl的後備，是c++標準化程序的發動機之一。boost庫由c++標準委員會庫工作組成員發起，在c++社群中影響甚大，是不折不扣的「準」標準庫。
bgl的特點是靈活性和高執行效率。bgl是以模板的形式提供的，這意味著你可以在模板的基礎上建立自己的型別，比如自定義的節點類。bgl的開發者是世界上最頂尖的c++專家，這個庫中實現的各種圖演算法具有非常高的執行效率，而且bgl本身具有工業強度，你可以放心的使用它。此外，bgl的**結構良好，是非常值得研讀的精品，對於學習演算法與資料結構會有很大的幫助。
從我的角度來看，bgl的缺點是沒有提供複雜網路分析的演算法，所以在實際中我使用的還不多。建議對於分析大規模的網路問題時使用這個庫，利用它良好的圖資料結構，開發自己的複雜網路分析演算法，將會獲得很高的執行效率。
參考資源：
bgl官方**：
《使用boost graph library》，乙個簡短的bgl使用介紹，適合快速上手，見：
《boost graph library 學習筆記》，討論學習bgl中遇到的問題，見：
二、quickgraph —— .net平台下的bgl
quickgraph是乙個用c#語言編寫的.net元件庫，所提供的演算法與bgl類似，可以看作是boost graph library在.net平台下的實現。目前quickgraph的最高版本是3.3，支援.net 2.0和.net 3.5平台。
對於複雜網路研究，quickgraph能夠提供的幫助與bgl基本類似。如果你對c#語言（以及其它支援.net的語言）比較熟悉，可以考慮選擇這個庫。但由於.net程式是在虛擬機器下執行的原因，所以效率不夠高，不適合處理大規模的計算問題。
參考資源：
quickgraph官方**：
中文資料暫時還找不到。
三、igraph —— c語言寫的複雜網路分析庫
igraph是乙個建立和操縱無向圖、有向圖的開源c程式庫，它既包含經典圖論裡的各種演算法（例如最小支撐樹、網路流等），也包含了最近的出現的一些網路分析演算法（如社團結構搜尋等）。
igraph是c寫的，這意味著你很容易在c/c++中使用它。如果你不熟悉這兩種語言，或者覺得用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語言的介面，所以也很適合科研人員使用（我現在用的是python，呼叫igraph很簡單）。
參考資料：
igraph官方**：http:/
/igraph.sourceforge.net/
關於python語言的介紹，見：
關於r語言的介紹，見：
語言四、networkx —— 全面支援複雜網路分析的python包
networkx是乙個建立和操縱複雜網路，並對複雜網路的結構、功能和動力學進行研究的python包，它提供了目前應用最廣泛的一些複雜網路分析演算法，當然也包括基本的經典圖論演算法。networkx目前只能在python語言中使用（這也是我學python的原因之一，見《
從c#到python —— 談談我學習python一周來的體會
》）。我個人認為networkx比igraph要好用，因為networkx的文件更清晰易讀，程式結構組織得也很好，我現在主要在用這個包。但networkx的執行效率多數情況下會比igraph要低（見drew conway所作的對比：
）。所以也不適合作太大規模的網路分析計算。此外，networkx和python的乙個繪圖包——matplotlib結合得很好，可很方便地進行複雜網路視覺化。
參考資源：
networkx官方**：
matplotlib（科學繪圖的python包）：
五、總結
本文介紹了圖論與複雜網路研究常用的一些程式庫。用好這些程式庫（以及其它一些軟體工具），可以避免我們無謂的re-invent the wheel，從而提高工作效率。在網上了解到，國外同行用這些庫的很多，而在國內還很少搜尋到這方面的資料（除了bgl）。作為我進複雜網路圈的敲門磚，向各位圈友推薦這幾個庫。另外，我近期正在學習python和networkx，如果您感興趣，歡迎和我交流：）
複雜網路分析拓撲指標
1.點強度 無向圖研究節點i所有連線的邊的權重和作為點i的點強度，在複雜網路分析中，節點的點強度越大，說明該節點轉換至其他節點的頻數越多，該節點越重要。平均點強度就是所有點強度和除所有點的個數所得到的值 2.加權聚類係數 對於加權複雜網路，節點i的加權聚類係數定義為 式子中，k為節點i的度 a表徵節...
複雜網路分析之資料準備篇
關係圖之原始資料 我給大家編了下面兩組原始資料，試圖畫出abcd四元素之間的關係 nodes data a b c d raw data acw aca cae ec cd dc 我們做關係網路前的最初始資料最好就是上面這樣子，這種資料格式還是比較簡單的。nodes data表示節點資料，用來在圖中...
嗯嗯嗯 複雜網路分析（二）
咱們還是從頭開始研究。以下是我導師的博士 的主要內容，我借其用來學習學習。整個學習流程所涉及的知識點還是很多的。學習路線就是這麼乙個情況，我試著從頭開始，看能不能完成呢！1.複雜網路概論 1.1複雜網路的特性 1.2網路屬性 1.3網路模型 1.4資訊網路 2.複雜網路上的資訊過濾 2.1推薦系統 ...