شناسایی جوامع در شبکه های اجتماعی مبتنی بر شباهت گره ها با استفاده از الگوریتم ژنتیک

شبکه های اجتماعی از گروهی از موجودیت های متصل به یکدیگر تشکیل شده اند . تراکم ارتباط گره ها در شبکه های اجتماعی متفاوت می باشد. به بخش هایی که دارای تراکم ارتباطی بیشتری باشند، جامعه گفته می شود. که در حوزه های مختلف علمی، این جامعه ها معانی متفاوتی دارند. در این مطالعه جهت تشخیص و استخراج جوامع از الگوریتم ژنتیک بهره برده ایم. الگوریتم ژنتیک دارای دقتی بالا در تشخیص جوامع می باشد ولی زمان اجرای این دسته الگوریتم ها همواره با افزایش تعداد ژنوم ها و جمعیت افزایش می یابد .بنابراین استفاده از این دسته الگوریتم ها جهت تشخیص جوامع در شبکه های اجتماعی که دارای موجودیت های بالایی باشند از لحاظ زمانی کارآمد نیست. در این مطالعه جهت غلبه بر این مشکل ترکیب الگوریتم ژنتیک و معیار شباهت ، الگوریتم دو مرحله ای را جهت تشخیص جوامع در شبکه های اجتماعی پیشنهاد داده شده است: (i) در مرحله اول موجودیتهای شبکه را بر اساس شباهت میان آنها به جوامع ابتدایی دسته بندی نمودیم و سپس (ii) با خروجی مرحله اول و الگوریتم ژنتیک جوامع نهایی را در کوتاهترین زمان ممکن استخراج نمودیم. نتایج تحلیل و شبیه سازی نشان داد که روش پیشنهادی دارای زمان اجرای کمتری نسبت به الگوریتم ژنتیک است .