تشخیص اجتماع در شبکه های اجتماعی با استفاده از الگوریتم های تکاملی و خوشه بندی فازی

در طی یک دهه ی اخیر، توجه روز افزونی به ارتباطات در جامعه مدرن معطوف شده است. امروزه شبکه های اجتماعی با صدها میلیون عضو به ابزاری قدرتمند جهت هدایت جریان اطلاعات محسوب می شوند. لذا مطالعه بر روی جنبه های مختلف این شبکه ها توسط محققین مورد توجه قرار گرفته است. یکی از موارد حائز اهمیت در تحلیل شبکه های اجتماعی، موضوع تشخیص اجتماع است.. در این پایان نامه از الگوریتم تکاملی مبتنی بر مورچه جهت تشخیص اجتماع استفاده شده است که از سه مرحله ی کاوش، ساخت و بهینه سازی محلی تشکیل شده است و پس از آن رهیافت خوشه بندی فازی جهت بهبود و تنظیم دقیق تر نتایج بکار گرفته شده است. تفاوت تحقیق حاضر با روش های پیشین که موجب ارتقای الگوریتم پیشنهادی شده است را می توان در بکار بردن الگوریتم مبتنی بر مورچه، ماژولاریتی بعنوان معیاری در ارزیابی بهبودی نتایج بدست آمده در هر تکرار و نیز خوشه بندی فازی خلاصه کرد. جهت تحلیل و بررسی عملکرد روش ارائه شده در این پایان نامه، از دو نوع مجموعه داده های جهان واقعی و ساختگی بهره گرفته شده است. نتایج بدست آمده نشان می دهد که اجتماع یافت شده توسط روش پیشنهادی در مقایسه با شاخص ترین روش های تشخیص اجتماع در ادبیات مسأله دارای کیفیت ساختار اجتماع مناسب تری است بطوریکه در شبکه های ساختگی به دقت بیشتری بین 0.2 تا 0.5 درصد و در برخی شبکه های جهان واقعی به نسبت 1.98 درصد دست یافته است.