کشف انجمن ها در شبکه های اجتماعی با استفاده از بهینه سازی کندوی زنبور عسل

شبکه های اجتماعی در واقع نوعی ساختار اجتماعی محسوب می شوند که از گره های متعددی تشکیل شده اند. این گره ها می تواند افراد حقیقی یا سازمانها باشند. این گره ها توسط یک یا چند نوع خاص وابستگی مانند روابط دوستانه، خویشاوندی، همشهری بودن، روابط تجاری، روابط علمی، به یکدیگر متصل هستند. باگسترده شدن اینترنت و وب و همچنین افزایش چشمگیر گوشیهای هوشمند در سالهای اخیر، شبکه های اجتماعی به یکی از ارکان جدایی ناپذیر زندگی ما، حداقل در بعد مجازی تبدیل شده اند. تحلیل شبکه های اجتماعی در واقع بررسی رابطه میان افراد، شامل بررسی ساختارهای اجتماعی، موقعیت اجتماعی، تحلیل نقش ها و موارد دیگر است. یکی از مهمترین ساختارهای اجتماعی انجمنها هستند. انجمن به گروهی از رئوس گفته میشود که پیوندهای درونی افراد، بیشتر از پیوندهای آنها با خارج از گروه است. کشف انجمنها یکی از زمینه های تحقیقاتی است که محققان زیادی را در سالهای اخیر به خود جلب کرده است. پاسخ های بسیاری برای این مسئله ارائه شده است ولی هنوز این مسئله به طور رضایتمندانه ای حل نشده است. در این پایان نامه از ترکیب ایده ی خوشه بندی کلونی مورچه با بهینه سازی کندوی زنبور عسل استفاده شده است. خوشه بندی کلونی مورچه که یک جستجوی محلی است، توسط بهینه سازی کندوی زنبور عسل که یک راهکار سراسری است هدایت می شود. همچنین مدلی برای تخصیص زنبورهای رقصنده پیشنهاد شده است. راهکارهای پیشنهادی در کنار هم، باعث شده اند تا انجمن ها به طور دقیق تر و سریع تری کشف شوند. در واقع از زنبورهای رقصنده برای رد و بدل کردن اطلاعات میان گره ها، که گره در واقع همان مورچه در الگوریتم خوشه بندی کلونی مورچه است، استفاده شده است. نتایج بر روی شبکه های واقعی و گراف های مصنوعی تولید شده توسط کامپیوتر کارایی روش پیشنهادی را به خوبی نشان می دهد، زیرا که روش پیشنهادی توانست مصالحه ی خوبی میان دقت الگوریتم و نیز پیچیدگی زمانی برقرار نماید. همچنین الگوریتم برروی مجموعه داده دلفینها به دقت 100 درصد دست پیدا کرد. و نیز در آزمون جی ان و لانیچیتی، زمانیکه پارامتر آمیزش از5. 0گذر میکند، به دقتهای بهتری نسبت به سایرین دست پیدا کرده است. همچنین در این پایاننامه نشان داده شد که هرچه ابعاد مجموعه دادهها بالاتر برود، الگوریتم دقتهای بهتری را کسب میکند.