بهبود الگوريتم PSO در جهت تشخيص جوامع در شبكه هاي پيچيده

امروزه بسياري از افراد، بخشي از روابط خود را با دوستان و آشنايان، از طريق شبكه هاي اجتماعي برقرار مي كنند. تحليل شبكه- هاي اجتماعي كه گاهي به اختصار به آن SNA و گاهي هم شبكه هاي اجتماعي پويا گفته مي شود، به معناي فرآيند بررسي و ارزيابي ساختارهاي يك گراف است كه با خطوط ارتباطي به يكديگر متصل هستند. كشف جوامع كاري چالشي است. به همين دليل الگوريتم هاي متنوعي براي كشف جوامع ارائه شده است. انجمن يابي كاربردهاي بسياري در زمينه شبكه هاي اجتماعي، بيوانفورماتيك و الكترونيك دارد. در اين مقاله ، بر اساس الگوريتم بهينه سازي ازدحام ذرات (PSO) و با استفاده از تابع بهينه سازي پيمانگي ، الگوريتم جديد Q-PSO براي تشخيص جامعه پيشنهاد شده است. اين الگوريتم مي تواند ساختار جامعه را بطور دقيق و مؤثر تشخيص دهد. به منظور تاييد كارايي اين الگوريتم، آن را روي چندين شبكه دنياي واقعي و مجموعه اي از شبكه هاي توليد شده توسط كامپيوتر بر مبناي معيار LFR تست كرده اند. نتايج تجربي نشان مي دهد كه اين الگوريتم مي تواند جوامع را به طور دقيق شناسايي كند و در مقايسه با الگوريتم هاي CNM ، Walktrap و infomap ، الگوريتم ارائه شده مي تواند مقادير بالاتر پيمانگي و NMI را در اكثر شبكه ها بدست آورد.