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（比如自己開發了一個新模型），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原始碼提高程式設計水平。

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是一個經過千錘百煉的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的程式碼結構良好，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官方網站：http://www.boost.org/doc/libs/1_42_0/libs/graph/
技術書籍《The Boost Graph Library》，作者: Jeremy G. Siek，Lie-QuanLee，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

二、QuickGraph —— .NET平臺下的BGL

QuickGraph是一個用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 GraphLibrary在.NET平臺下的實現。目前QuickGraph的最高版本是3.3，支援.NET 2.0和.NET3.5平臺。

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官方網站：http://www.codeplex.com/quickgraph
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是一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

四、NetworkX ——全面支援複雜網路分析的Python包

NetworkX是一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一週來的體會》）。

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DrewConway所作的對比：http://files.meetup.com/1406240/sna_in_R.pdf）。所以也不適合作太大規模的網路分析計算。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路視覺化。

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


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 thewheel，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：）


附：幾個庫的開發及呼叫語言對比（*看來學Python還是不錯的，這幾個庫都可以呼叫-_-）

庫名稱	原始開發語言	可用某語言呼叫
BGL	C++	C++/ Python（通過boost-python）
QuickGraph	C#	支援.NET平臺的任何語言(Python程式設計師可用IronPython)
igraph	C	C/C++/R/Python（理論上至少有50種語言可直接或間接呼叫C程式）
NetworkX	Python	Python