图计算主要将客观世界中事物间关系完整地刻画、计算和分析的一门技术。它根据人工智能三个基本特点运作：理解、推理和学习。它可以用于银行对于不良贷款的预测，也可以用于网站大数据分析推荐等功能。图算法有很多种，每一种算法都有其实际的应用场景。那么常见的图算法有哪些，应用场景又是怎么样的？下面我们介绍几种常见的图算法。
PageRank：
PageRankPageRank源自搜索引擎，它是搜索引擎里面非常重要的图算法，可用来对网页做排序。比如我们在网页里搜索hadoop，会出来非常多有着hadoop关键字的网页，可能有上千上万个相关网页，而PageRank可以根据这些网页的排序算法将其排序，将一些用户最需要的网页进行优先展示。
最短路径：
最短路径在社交网络里面，有一个六度空间的理论，表示你和任何一个陌生人之间所间隔的人不会超过五个,也就是说,最多通过五个中间人你就能够认识任何一个陌生人。这也是图算法的一种，也就是说，任何两个人之间的最短路径都是小于等于6。
社群发现：
社群发现用来发现社交网络中三角形的个数（圈子），可以分析出哪些圈子更稳固，关系更紧密，用来衡量社群耦合关系的紧密程度。一个人的社交圈子里面，三角形个数越多，说明他的社交关系越稳固、紧密。像Facebook、Twitter等社交网站，常用到的的社交分析算法就是社群发现。
推荐算法（ALS）
推荐算法（ALS）ALS是一个矩阵分解算法，比如购物网站要给用户进行商品推荐，就需要知道哪些用户对哪些商品感兴趣，这时，可以通过ALS构建一个矩阵图，在这个矩阵图里，假如被用户购买过的商品是1，没有被用户购买过的是0，这时我们需要计算的就是有哪些0有可能会变成1 。
介绍了这么多的图算法，那么图算法可以应用于现在非常火热的区块链中吗？答案是可以的。图算法的抽象分析能力和区块链的去中心化的分布式存贮结合可以有效提升区块链的数据同步性能。Trias的图算法通过TEE技术和Gossip协议来完成，也就是HCGraph算法。
HCGraph算法
HCGraph算法为了减少区块链中使用TEE的难度，Leviatom提出了异构共识图协议（HCGraph），引入了信任传递关系网。HCGraph 让临近的具备 TEE 运行环境的节点互相验证对方的可信度，并将所收集到的可信节点信息在已获得其信任的其它节点见传播。这样每TEE共识节点的状态信息就能形成一个信誉关 系网，互相背书互相证明，一旦有一个节点要“撒谎”，周围的节点都会立刻就能指正它。而周围的恶意节点若想要配合“撒谎”节点，则需要让其周围的所有其他节点也同时配合。由此反复迭代，HCGraph 可迅速定位全网中“难撒谎的点”，并为少数这些点分发智能合约程序，从而实现高效、健壮、高并发、且支持原生应用程序的智能合约运行环境。
图算法和区块链的结合使区块链的效率成倍的增加，同时又不损失区块链固有的安全特性，这对区块链公链的发展起着至关重要的作用，区块链的性能严重地制约着区块链的应用，一些简单的DAPP或者少量的交易数据可以在区块链上比较流畅的运行，但是对一些复杂的DAPP和大量的交易数据，传统区块链技术却只能望洋兴叹，然而图计算技术的加入让区块链有了新的生机，DAPP和大量的交易数据的处理都成为了可能，未来区块链的应用将会有更好的发展。