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 ، بر اساس الگوریتم بهینه سازی ازدحام ذرات (pso) و با استفاده 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 شبکه های تولید شده توسط کامپیوتر بر مبنای معیار lfr تست کرده اند. نتایج تجربی نشان می دهد که این الگوریتم می تواند جوامع را به طور دقیق شناسایی کند و در 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.