بهبود خوشه بندی شبکه های اجتماعی با الگوریتم ژنتیک دو هدفه از طریق معیار تشکل یابی

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 خوشه بندی 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 از انجام داده اند. از طرفی امکان مدل سازی بسیاری از مسائل باعث شده تا توجه گسترده ای به خوشه بندی گراف ها شود. از آنجا که الگوریتم های بهینه سازی تک هدفه نمی توانند تمامی اهداف مورد نظر درکشف جوامع را بهینه سازی کنند.در این تحقیق یک الگوریتم فراابتکاری دو هدفه برای این منظور پیشنهاد شده است. محققان از چندین الگوریتم ژنتیک برای تشخیص جوامع استفاده کرده اند اما الگوریتم پیشنهادی به لحاظ استفاده از دو هدفه در کنار هم، که اساس تعریف جوامع راتشکیل می دهد موضوعی است که کارایی و دقت را بهبود می بخشد. نتایج عملکرد روش پیشنهادی یا 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 های بهبود خوشه بندی شبکه های اجتماعی با الگوریتم ژنتیک دو هدفه از طریق معیار تشکل یابی:

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