شناسايي جوامع هم‌پوشان با استفاده از هوش جمعي چند‌عامله

چشم‌انداز شبكه اجتماعي روش واضحي را براي تجزيه و تحليل ساختار كل نهادهاي اجتماعي فراهم مي‌كند. تشخيص جوامع در شبكه‌ها يكي از چالش‌هاي اساسي در علم شبكه و نيز يكي از بزرگ‌ترين دغدغه‌ها پس از شناسايي جوامع، شناسايي جامعه اصلي عوامل فعال در شبكه است كه متعلق به چندين جامعه هستند. يافتن جوامعي كه با يكديگر هم‌پوشاني دارند، در شبكه‌هاي اجتماعي يك مبحث مهم و جالب در داده‌كاوي و سامانه‌‌هاي پيشنهاد‌دهنده است. الگوريتم ارائه‌شده در اين مقاله مبتني بر بهينه‌سازي ازدحام ذرات چند‌عامله است؛ به‌‌گونه‌اي كه خود سازماندهي در مجموعه فعاليت‌ عامل‌ها ديده مي‌شود. هوش جمعي باعث افزايش دقت جستجوي سراسري مي‌شود و با استفاده از نوع خاصي كدگذاري، تعداد جوامع را تشخيص مي‌دهد؛ به‌گونه‌اي كه شاخص پيمانگي به‌عنوان تابع برازش، در بهينه‌سازي ازدحام ذرات مورد استفاده قرار خواهد گرفت. آزمايش‌هاي متعدد نشان‌ مي‌دهد الگوريتم معرفي‌شده با نام بهينه‌سازي ازدحام ذرات چند‌عامله، قادر به تشخيص گره‌هاي موجود در جوامع هم‌پوشان با دقت بسيار بالا است. در گذشته پژوهش‌هايي در‌‌خصوص تشخيص جوامع با استفاده از بهنيه‌سازي ازدحام ذرات انجام شده است، اما آن‌ها تنها‌ قادر به تشخيص جوامع غير هم‌پوشان هستند.