سازماندهی تیم موثر از خبرگان در جهت پوشش وظیفه ای تعیین شده در شبکه های اجتماعی در بسیاری از پروژه های دنیای واقعی مورد توجه و حائز اهمیت است. هزینه ارتباطی، و وجود همکاری مناسب بین اعضای تیم، و همچنین انتخاب تیمی کوچک و در عین حال کارا، ما را در انجام هرچه موفق تر پروژه هدایت می کند. در این پایان-نامه سه رهیافت در جهت تعمیم و بهبود کارهای پیشین انجام شده است: اول، بررسی عملکرد توابع شباهت مختلف برروی کارایی سازماندهی تیم. مسأله سازماندهی تیم را در محیط شباهتی بین رئوس هم به طور مستقیم با توجه به میزان مقاله های اشتراکی-تألیفی بین دو رأس، و هم شباهت ضمنی بین رئوس با توجه به میزان همسایه های مشترک و از طریق واسط های بین شان بررسی می کنیم. همچنین، شباهت مهارتی برای هر نویسنده را با در نظر داشتن سطح توانایی بالقوه او و میزان همکاری و اشتراکش با دیگر نویسندگان در زمینه مهارت مورد نیاز، در روند انتخاب، وارد عمل خواهیم کرد تا در انتخاب هر چه موثرتر اعضای تیم تأکید داشته باشیم. استفاده از ترکیب این معیارهای شباهت در فرمول تابع هزینه الگویتم، ما را در جستجوی هرچه کاراتر تیم نهایی در شرایط یکسان یاری خواهد کرد. علاوه براین، می توان از طریق توابع شباهت ضمنی بین رئوس، افرادی که قابلیت بالایی برای همکاری با هم دارند، در چهارچوب تیم نهایی که حاوی بهترین افراد موثر در شبکه اجتماعی موجود می باشند، طبق ساختار روابط بین شان به هم پیشنهاد داد، زیرا این افراد در ساختار قبلی شبکه تنها از طریق واسط ها به هم متصل بوده و می توانند با همکاری هم، ساختار کاراتری در گراف جدید شبکه اجتماعی ایجاد نمایند. دوم، سازماندهی k تیم برتر با استفاده از نظریه بازی ها است. پیدایش k تیم برتر زمانی اهمیت می یابد که تیم برتر نهایی به هر دلیلی منحل شود و مجبور به اجرای پروژه توسط تیم بهتر بعدی باشیم و یا با چندین پروژه و موضوع پروژه یکسان مواجه باشیم، در چنین شرایطی می توانیم پروژه ها را بر حسب اولویت به تیم های بدست آمده اختصاص دهیم. در جریان بازی، با توجه به تابع سودمندی برای هر خبره و روند عضویت در گروه های مختلف، در نهایت، هنگامی که به تعادل نش محلی دست یابیم همه ی تیم های موجود بدست خواهند آمد. سوم، سازماندهی تیم خبرگان با در نظر داشتن وظایف تعمیم یافته و گروه بندی گراف. در این رهیافت هر مهارت مورد نیاز در وظیفه شامل حداقل تعداد خبره مورد نیاز و حداقل سطح مهارتی هر خبره جهت پوشش آن می باشد. گروه بندی گراف اصلی نیز با توجه به مهارت های مورد نیاز و در اختیار داشتن آنها توسط خبرگان موجود، با توجه به اتصالات قوی بین شان انجام خواهد شد. این روش فضای جستجو را تا حد زیادی کاهش داده و مانع از انتخاب گره های غیر ضروری و افزایش بی رویه ی هزینه ارتباط و اندازه تیم می گردد. آزمایشات بر روی گراف همکاری dblp نشان دهنده کارایی بالا و موثر بودن روش های پیشنهادی می باشد.