زینب احمدیان فرد - دانشگاه آزاد اسلامی واحد خمین
محمد خلیلی - دانشگاه آزاد اسلامی واحد خمین

خوشه بندی در شبکه های اجتماعی یکی از مسایل بسیار مهم در تحقیقات مرتبط با شبکه های اجتماعی محسوب می شود.شناسایی جامعه در شبکه به درک ساختار شبکه و توزیع عامل ها و فعالیت های انجام شده در شبکه می انجامد. ساختار جوامع در شبکه، روش شبکه شدن اطلاعات و رفتار اشخاص را تحت تاثیر قرار می دهد. تحلیل شبکه های اجتماعی، ساختار وروابط میان اشخاص و اعضا را توضیح می دهد و می تواند برای پیش بینی رفتارهای اجتماعی استفاده شود . بنابراین شناسایی و تشخیص جامعه در شبکه یکی از اهداف ما در این پژوهش است. . بیشتر مطالعات قبلی که به تشخیص ساختارهای جامعهسلسله مراتبی توجه کردهاند، بر روی روشهای فرا ابتکاری تمرکز داشتهاند که ازنظر محاسباتی کارآمد هستند اما تفکیک بهینهای از جامعه را تضمین نمیکند. درنتیجه، این کار یک رویکرد برنامهنویسی الگوریتم ژنتیک جدید را برای تشخیصساختارهای جامعه سلسله مراتبی در شبکههای اجتماعی را اعمال میکند. این رویکرد ظرفیت جامعه انعطافپذیری دارد که تعداد جوامع را در سطوح مختلف محدود نمیکند و مقیاس کیفیت را برای بخشهای جامعه سلسله مراتبی حداکثر میکند. الگوریتم ژنتیک پیشنهادی میتواند حلکنندههای نرمافزاری موجود را برای تشخیص ساختارهای جامعه سلسلهمراتبی بدوناجرای الگوریتمی استفاده کند. تحلیلهای بصری از نتایج عملی نشان میدهد که مدل پیشنهادی با تنظیمات مختلف برای تعداد سطح میتواند ساختارهای جامعه سلسله مراتبی را منطقی و پیچیده تحلیل کند، بهطوریکه روابط بین جوامع در سطوحمختلف میتواند بهوضوح روشن شود. در این مقاله تشخیص ساختارهای سلسله مراتبی با استفاده از الگوریتم ژنتیک را بررسی میکنیم، برای ارزیابی الگوریتم پیشنهادی از شبکه های اجتماعی باشگاه کاراته Zachary و شبکه اجتماعی بازی هایفوتبال دانشگاهی بهره گرفته ایم. در نهایت نشان می دهیم که دقت و کارایی الگوریتم پیشنهادی در مقایسه با سایر الگوریتم های ارایه شده افزایش پیدا خواهد کرد

الگوریتم ژنتیک، خوشه بندی سلسله مراتبی ، شبکه های اجتماعی ، تشخیص اجتماعات