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 محققان به بررسی مسئله تشخیص جامعه شده است. در یکی از جدیدترین تحقیقات از روش خوشه 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 میباشد اما روشی ابتکاری بوده و قادر به کشف راه حلهای متنوع تر در جهت یافتن جوامع بهینه نیست. از جمله متداول ترین روشهای فراابتکاری، بهینه سازی ازدحام ذرات میباشند. روش ازدحام ذرات به علت همگرایی زودرس شانس مواجه شدن پاسخ ها در بهینه های محلی بالاست. از اینرو 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 بر معیار های اهمیت محلی و تراکم اهمیت در جهت تشخیص جامعه در شبکه ارائه میشود. آزمایشات انجام شده بر روی برخی از شبکه های واقعی بیانگر بهتر بودن راندمان روش پیشنهادی در مقایسه با برخی روشهای دیگر میباشد.