图编辑距离在图匹配中是一种灵活有效的方法，在图模式识别及相关领域有多种用途，然而，它不同于其它图匹配算法，图编辑距离使得原图的每个节点都可以与另一个图的节点进行匹配，这种特点使得图编辑距离算法更适用于噪声数据，但在另一方面相对于简单图匹配模型它增加了计算复杂度。图编辑距离的空间复杂度与所匹配的两个图的节点数目呈指数关系。这意味着对于大图其编辑距离的计算是很困难的。在本文中，构造出了一种优化的EGED（Exact graph edit distance）算法，它利用贪心算法外加代价复杂度剪枝对EGED算法中的搜索树进行了剪枝，同时采用欧氏距离对代价函数进行优化。在实验部分分别对改进的EGED算法，原EGED算法和AGED（Approximate graph edit distance）算法这三种算法的分类精确度和算法的运行时间进行了效能测试。实验结果证明，首先，本文构造的EGED优化算法相比于原EGED算法和AGED算法显著提高了算法运行速度并降低了编辑操作的代价，使得图之间的相似性衡量更加有效。其次，该优化算法在分类精确度上比起原EGED算法和AGED算法也得到了明显的提高。