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