بهبود انجمن یابی شبکه های اجتماعی با رویکرد الگوریتم ژنتیک دو هدفه

امروزه بسیاری از افراد، بخشی از روابط خود را با دوستان، از طریق شبکه های اجتماعی مجازی برقرار می کنند. یکی از کاربردی ترین مسائل در علم کامپیوتر، مسئله انجمن یابی داده ها است که کاربردهای بسیاری در زمینه شبکه های اجتماعی، یافتن الگوها و شباهت سنجی داده ها دارد. محققان زیادی از رشته های مختلف، تحقیقات متنوعی پیرامون آن انجام داده اند. از طرفی امکان مدلسازی بسیاری از مسائل باعث شده تا توجه گسترده ای به انجمن یابی در گراف ها شود. از آنجا که الگوریتم های بهینه سازی تک هدفه نمیتوانند تمامی اهداف مورد نظر در کشف جوامع را بهینه سازی کنند، در این تحقیق یک الگوریتم فرا ابتکاری دو هدفه برای این منظور پیشنهاد شده است. محققان از چندین الگوریتم ژنتیک برای تشخیص جوامع استفاده کرده اند اما الگوریتم پیشنهادی NSGA-Clu به لحاظ استفاده از دو هدف در کنار هم، که اساس تعریف جوامع را تشکیل می دهد، موضوعی است که کارایی و دقت را بهبود می بخشد. نتایج عملکرد روش پیشنهادی با دیگر الگوریتم های مبتنی بر ژنتیک توسط مجموعه داده های استاندارد در حوزه تجزیه و تحلیل شبکه های اجتماعی مقایسه شده و نتایج نشان دهنده برتری روش پیشنهادی نسبت به دیگر روش ها می باشد

کلیدواژه ها:

شبکه های اجتماعی ، الگوریتم های بهینه سازی ، الگوریتم ژنتیک دوهدفه ، ماژولاریتی ، جبهه پارتو ، تابع برازندگی