ارائه یک روش جدید مبتنی بر الگوریتم شاهین هریس برای تشخیص انجمن در شبکه اجتماعی

شبکه‌های اجتماعی و تحلیل آن‌ها، امروزه بسیار مهم است. تشخیص انجمن یک مسئله اساسی در تحلیل شبکه پیچیده است که هدف آن، یافتن گروه‌های مرتبط نزدیک از گره‌ها است. تشخیص انجمن، نقش مهمی در کشف ساختارهای زیربنایی شبکه‌های اجتماعی ایفا می‌کند و اثرات ساختار پیوندها را بر افراد و ارتباط بین آن‌ها نشان می‌دهد. انجمن ممکن است همپوشانی داشته باشند؛ زیرا ممکن است یک یا چند گره مشترک داشته باشند. اکثر مدل‌های ارائه شده جهت تشخیص انجمن از الگوریتم‌های هوش مصنوعی استفاده می‌کنند. این الگوریتم‌ها نسبت به مدل‌های مرسوم و خطی دقت بیشتری داشته‌اند. به همین جهت، در روش پیشنهادی از یک الگوریتم فراابتکاری به نام الگوریتم بهینه‌سازی شاهین هریس استفاده می‌شود. حل تابع هدف از طریق الگوریتم بهینه‌سازی شاهین هریس انجام می‌شود. داده های ورودی شامل مجموعه داده های emailsub100، karateg و dolphinsg هستند. در روش پیشنهادی cdhho، شاهین‌های هریس راه‌حل‌های کاندید هستند و بهترین راه‌حل کاندید در هر مرحله به‌عنوان طعمه موردنظر یا تقریباً بهینه در نظر گرفته می‌شود؛ به عبارت دیگر عامل‌های جستجو برای حل مسئله، شاهین‌ها هستند. برای شبیه‌سازی کدهای تشخیص انجمن و همچنین کدهای الگوریتم بهینه‌سازی شاهین هریس از متلب استفاده شده است. برای ارزیابی عملکرد الگوریتم‌ها برای تشخیص انجمن، nmi استفاده می‌شود. روش پیشنهادی cdhho نسبت به روش moea به ترتیب برای مجموعه داده های emailsub100، karateg و dolphinsg به میزان 0. 187، 0. 099 و 0. 0674 بهبود داشته است. روش پیشنهادی cdhho نسبت به روش lepso به ترتیب برای مجموعه داده های emailsub100، karateg و dolphinsg به میزان 0. 1885، 0. 094 و 0. 0654 بهبود داشته است.