对适用于一般网状结构数据绘图的算法来说，力导向算法是一种常被应用的方法。通过对每个节点的计算，算出引力和排斥力综合的合力，再由此合力来移动节点的位置。执行一次后根据节点新位置算出新的能量值，如同力学概念，能量值越小，表示整个网络越趋于稳定。一般来说能量值越小，网络图的配置显示就会越清晰，因此当能量值到达最小值的时候，网状图的配置状态就是我们想要的结果。

这种方法的缺点是不收敛，总是有节点在两个不同位置上来回振动，虽然不会收敛，但是来回振动时的配置通常也最终可达到某种稳定的状态，因此实际的执行都以指定执行的次数来决定停止的条件。另外一个问题就是网状图的节点数太多时，也无法求得令人满意的结果。

当开始配置不好的情况下，通常是力导向算法的配置结果也不是很好，所以使用力导向算法通常会配合一个初始配置的算法，以达成较满意的网状配置。

多级算法（multilevel algorithm）最重要的是代表节点的选择，这会直接影响到执行效率和结果。

力导向算法的想法很简单，且容易使用和修改以满足需求。我们可更改网状图的初始位置以加快收敛，也可根据不同的要求加入不同种类的力，另外，算法过程中虽然没有特别针对网状图的对称性进行配置，但是当网状图中存在对称关系时也能获得较好的结果。力导向算法的缺陷是在初始配置不佳的时候所得到的网状图也不会很好，所以可根据网状数据的特性是否选择该算法。