بررسی تاثیر چگالی یال‌ها در عملکرد الگوریتم انجمن‌یابی مبتنی بر اتاماتای سلولی یادگیرنده

امروزه تحلیل انواع مختلف شبکههای اطلاعاتی، بیولوژیکی، اجتماعی و... اهمیت خاصی دارد. در این راستا محققان الگوریتمهای متفاوتی برای شناسایی انجمنهای یک شبکه ارایه داده‌اند. یکی از این الگوریتمهای انجمنیابی، الگوریتمی مبتنی بر اتاماتای سلولی یادگیرنده به نام cla-net است. این الگوریتم تکرار شونده، از طریق تعامل با همسایه‌های هرگره و ساختار کلی گراف موفق می شود به صورت موضعی جستجو و پاسخ بهینه‌ای پیدا کند. از آن‌جایی که عملکرد الگوریتم‌های انجمن‌یابی اغلب فقط روی گراف‌های واقعی بررسی می‌شود لذا اطلاع دقیقی از عملکرد هرالگوریتم روی گراف‌های با ویژگی‌های مختلف نداریم. هدف این تحقیق بررسی تاثیر چگالی یال‌های گراف برعملکرد الگوریتم cla-net است. نتایج با معیارهای ماژولاریتی، نیمرخ، اطلاعات مشترک نرمال‌سازی‌شده (nmi) و خلوص سنجیده شد. طبق این نتایج مشخص شد، الگوریتم بهترین عملکرد را روی شبکههایی داشت که نسبت چگالی یال‌های داخل انجمنی به چگالی یال‌های بین انجمنی برای آنها بیش‌تر از 0.4 است. همچینین الگوریتم نسبت به افزایش چگالی یال‌های بین انجمنی تا 30درصد، مقاومت خوبی از خود نشان داد و پس آن یک جهش کاهشی معنادار داشت.

na

na