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

شبکه های اجتماعی و تحلیل آنها، امروزه بسیار مهم است. تشخیص انجمن یک مسئله اساسی در تحلیل شبکه پیچیده است که هدفآن، یافتن گروه های مرتبط نزدیک از گره ها است. تشخیص انجمن، نقش مهمی در کشف ساختارهای زیربنایی شبکه های اجتماعیایفا میکند و اثرات ساختار پیوندها را بر افراد و ارتباط بین آنها نشان میدهد. انجمن ممکن است همپوشانی داشته باشند؛ زیرا ممکناست یک یا چند گره مشترک داشته باشند. اکثر مدلهای ارائه شده جهت تشخیص انجمن از الگوریتم های هوش مصنوعی استفادهمی کنند. این الگوریتم ها نسبت به مدلهای مرسوم و خطی دقت بیشتری داشته اند. به همین جهت، در روش پیشنهادی از یک الگوریتمفراابتکاری به نام الگوریتم بهینهسازی شاهین هریس استفاده میشود. حل تابع هدف از طریق الگوریتم بهینه سازی شاهین هریسانجام میشود. داده های ورودی شامل مجموعه داده های EmailSub۱۰۰ ، KarateG و DolphinsG هستند. در روش پیشنهادیCDHHO ، شاهین های هریس راه حل های کاندید هستند و بهترین راهحل کاندید در هر مرحله به عنوان طعمه موردنظر یا تقریبا بهینهدر نظر گرفته میشود؛ به عبارت دیگر عامل های جستجو برای حل مسئله، شاهین ها هستند. برای شبیه سازی کدهای تشخیص انجمنو همچنین کدهای الگوریتم بهینه سازی شاهین هریس از متلب استفاده شده است. برای ارزیابی عملکرد الگوریتم ها برای تشخیصانجمن، NMI استفاده میشود. روش پیشنهادی CDHHO نسبت به روش MOEA به ترتیب برای مجموعه داده هایEmailSub۱۰۰ ، KarateG و DolphinsG ۰۷۱۰ به میزان ۱۸۷.۰، ۹۹.۰ و ۶۷۴.۰ بهبود داشته است. روش پیشنهادی CDHHOنسبت به روش LEPSO به ترتیب برای مجموعه داده های EmailSub۱۰۰ ، KarateG و DolphinsG به میزان ۱۸۸۵.۰، ۹۴.۰۶۵۴.۰ بهبود داشته است.