بهبود الگوریتم PSO در جهت تشخیص جوامع در شبکه های پیچیده

امروزه بسیاری از افراد، بخشی از روابط خود را با دوستان و آشنایان، از طریق شبکه های اجتماعی برقرار می کنند. تحلیل شبکه های اجتماعی که گاهی به اختصار به آن SNA و گاهی هم شبکه های اجتماعی پویا گفته می شود، به معنای فرآیند بررسی و ارزیابی ساختارهای یک گراف است که با خطوط ارتباطی به یکدیگر متصل هستند. کشف جوامع کاری چالشی است به همین دلیل الگوریتم های متنوعی برای کشف جوامع ارائه شده است. انجمن یابی کاربردهای بسیاری در زمینه شبکه های اجتماعی بیوانفورماتیک و الکترونیک دارد. در این مقاله، براساس الگوریتم بهینه سازی ازدحام ذرات PSO و بااستفاده از تابع بهینه سازی پیمانگی، الگوریتم جدید Q-PSO برای تشخیص جامعه پیشنهاد شده است. این الگوریتم می تواند ساختار جامعه را بطور دقیق و موثر تشخیص دهد. به منظور تایید کارایی این الگوریتم، آن را روی چندین شبکه دنیای واقعی و مجموعه ای از شبک ههای تولید شده توسط کامپیوتر بر بنای معیار LFR تست کرده اند. نتایج تجربی نشان می دهد که این الگوریتم می تواند جوامع را به طور دقیق شناسایی کد ودر مقایسه با الگوریتم های CNM، Walktrap و infomap الگوریتم ارائه شده می تواند مقادیر بالاتر پیمانگی و NMI را در اکثر شبکه ها بدست آورد.

کلیدواژه ها:

شبکه های اجتماعی ، تشخیص جوامع ، الگوریتم Q-PSO ، Modularity ، NMI