بهبود روش تشخیص جامعه مبتنی بر خوشه بندی گراف با الگوریتم بهینه سازی ازدحام ذرات بهبود یافته

امروزه اهمیت تحلیل شبکه های اجتماعی موجب گرایش بیشتر محقق ها به بررسی مسئله تشخیص جامعه شده است. در یکی از جدیدترین تحقیق ها از روش خو شه بندی گراف مبتنی بر معیار ارزیابی اهمیت محلی و تراکم اهمیت در جهت تشخیص جامعه استفاده شده است که دارای عملکرد بهتر در مقایسه با روشهای تشخیص جامعه محبوبی از جمله روش k میانگین و مبتنی بر پیمانگی می باشد اما روشی ابتکاری بوده و قادر به کشف راه حل های متنوع تر در جهت یافتن جوامع بهینه نیست. از جمله متداول ترین روش های فراابتکاری،بهینه سازی ازدحام ذرات می باشد. روش ازدحام ذرات به علت همگرایی زودرس شانس مواجه شدن پاسخ ها در بهینه های محلی بالاست. از این رو در این مقاله ابتدا پیشنهاد بهبود روش بهینه سازی ازدحام ذرات با استفاده از روش بهینه سازی جایا مطرح شده سپس پیشنهاد استفاده از روش بهینه سازی ازدحام ذرات بهبود یافته برای بهبود روش خوشه بندی گراف مبتنی برمعیارهای اهمیت محلی و تراکم اهمیت در جهت تشخیص جامعه در شبکه اراهه می شود. آزمایش های انجام شده بر روی برخی از شبکه های واقعی بیانگر بهتر بودنراندمان روش پیشنهادی در مقایسه با برخی روش های دیگر می باشد.

کلیدواژه ها:

بهینه سازی ازدحام ذرات بهبود یافته ، خوشه بندی مبتنی بر گراف با معیار اهمیت محلی و تراکم اهمیت ، تشخیص جامعه.