یک رویکرد تشخیص جوامع درشبکه های پیچیده بااستفاده ازالگوریتم کلونی مصنوعی زنبورعسل

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 699

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_618

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

دراین پژوهش به مطالعه ی روشهای مختلف تشخیص جوامع درشبکه های پیچیده پرداخته شده و یک روش تشخیص جوامع بهینه برپایه الگوریتم کلونی زنبور عسل مصنوعی معرفی شده است الگوریتم کلونی زنبور عسل مصنوعی یکی ازروشهای معرفی شده برای بهینه سازی عددی است این الگوریتم ازنظر اکتشاف نسبت به دیگر الگوریتم های بهینه سازی مبتنی برجمعیت کاراتر است اما همانند سایرالگوریتم ها یکسری نارسایی دارد بطوریکه درفرایند استخراج ضعیف عمل می کند ازاین رو مطالعات گسترده ای جهت بهبود کارایی الگوریتم کلونی زنبور عسل مصنوعی صورت گرفته است یکی ازانواع تغییر یافته الگوریتم کلونی زنبور عسل مصنوعی الگوریتم معرفی شده دراین مطالعه است دراین پروسه باتعریف مسئله ی یافتن جوامع درشبکه های پیچیده به صورت یک مسئله بهینه سازی ازالگوریتم کلونی مصنوعی زنبورعسل استفاده کرده تا بتوانیم با بهینه ترین شکل جوامع را دراین شبکه ها بیابیم برای حل مسئله یک تابع هزینه تعریف کرده و برای رسیدن به روش بهینه آن را کمینه نمودیم سپس کدهای الگوریتم معرفی شده را درمحیط نرم افزار متلب اجرا نموده و پس ازشبیه سازی الگوریتم موردنظر و اعمال آن برروی مجموعه داده های دوشبکه اجتماعی دلفین ها و دانشکده های فوتبال امریکایی به خروجیهایی دست یافتیم به طوریکه برای نشان دادن میزان بهبود روش پیشنهادی آن را با سه روش تکاملی دیگر دراین حوزه مقایسه زمان اجرا و کارایی الگوریتم درقالب جداول و نمودارها نمودیم جداول و نمودارهای بدست امده همگی حاکی ازبرتری روش پیشنهادی است این برتری هم درمیزان زمان اجرا وهم درمقداری است که به عنوان پیمانه ای بدست آمده است

نویسندگان

جاسم طرفی

دانشجوی کارشناسی ارشدشبکه های کا مپیوتری دانشگاه آزاد اسلامی واحد کرمان

سیدجواد میرعابدینی

استادگروه کامپیوتردانشگاه آزاد اسلامی واحد تهران مرکز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Z.Y. Xia, Z. Bu. (2012) Community detection based On a ...
  • Amiri. B, Liaquat. H, Crawford. W, R.Wigand. R.T, (2013). Community ...
  • Xu Z, Yanheng L. (2015). An ant colony based algorithm ...
  • Filippo and Castellano, C. a. (2004). Defining and identifying communities ...
  • Newman, M. E. Girvan. M (2004). Finding and evaluating community ...
  • Rainer Storn, K. P. (1995). Differential Evolution - A Simple ...
  • Newman MEJ, Leicht EA. (2007). Mixture models and exploratory analysis ...
  • Danon L, Duch J, Diaz-Guilera A, Arenas A. (2005). Comparing ...
  • Van Dongen S. (Ph.D. thesis). (2000).Dutch National Research Institute for ...
  • Rosvall M, Bergstrom _ (2007). Maps of random walks on ...
  • Donetti L, Munoz MA. (2004). Detecting network communities a new ...
  • Newman MEJ, Leicht EA. (2007). Mixture models and exploratory analysis ...
  • Euler, L. (1736). Commentari Academiae Petropo litanae. ...
  • Scott, J. (2000). Social Network Analysis, A Handbook. London: Sage ...
  • Pollner, P. G. (2006). Europhys. Europhys. Lett. 73, 478. ...
  • Newman MEJ, (2004). Fast algorithm for detecting community structure in ...
  • Dorigo. M, Maniezzo. V, Colorni. A, (1991). Positive Feedback _ ...
  • Karaboga, _ & Basturk, B. (2007). A powerful and efficient ...
  • Servet Kiran. M, Findik. O, (2015). A directed artificial bee ...
  • نمایش کامل مراجع