En los últimos años, se han propuesto varias arquitecturas de computación de gráficos para procesar datos de gráficos que representan dependencias complejas entre diferentes objetos en el mundo. Los diseños del elemento de procesamiento (PE) en los aceleradores de computación de gráficos tradicionales suelen estar optimizados para algoritmos o tareas de gráficos específicos, lo que limita su flexibilidad en el procesamiento de diferentes tipos de algoritmos de gráficos, o la configuración paralela que puede ser soportada por sus matrices de PE es ineficiente. Para lograr tanto flexibilidad como eficiencia, este artículo propone Grapher, un acelerador de computación de gráficos reconfigurable basado en una matriz de PE optimizada, que admite eficientemente múltiples algoritmos de gráficos, mejora la computación paralela y mejora la adaptabilidad y el rendimiento del sistema a través de la configuración dinámica de recursos de hardware. Para verificar el rendimiento de Grapher, este artículo seleccionó seis conjuntos de datos de la base de datos del Proyecto de Análisis de Red de Stanford (SNAP) para pruebas. En comparación con los marcos de gráficos típicos existentes Ligra, Gemini y GraphBIG, el tiempo de procesamiento de los seis conjuntos de datos utilizando los algoritmos BFS, CC y PR se redujo hasta un 39.31%, 35.43% y 27.67%, respectivamente. La eficiencia energética también se ha mejorado en 1.8 veces en comparación con Hitgraph y 4.7 veces en comparación con ThunderGP.