مروری بر روش های مدلسازی همپوشانی در الگوریتم های انجمن یابی شبکه های اجتماعی

شبکۀ اجتماعی شامل تعدادی از اشخاص است که بهواسطۀ یک یا چند نوع از روابط یا اشتراکات، با یکدیگر ارتباط دارند. پیدایش و رشد این شبکه ها در فضای مجازی و استفادۀ روزافزون از آنها، باعث شده است تحلیل شبکه های اجتماعی بهعنوان یک حوزۀ تحقیقاتی پرمخاطب و میان رشتهای مطرح باشد. هر انجمن شامل چند عضو شبکۀ اجتماعی است که با توجه به نحوۀدسته بندی اعضای شبکه تعیین میشود. مطالعۀ انجمن ها، مبحثی مهم و کلیدی در تحلیل شبکه های اجتماعی است که ویژگی ها و الگوهای مشخّص یا مخفی در الیه های یک شبکه را نمایان میسازد و موجبات درک بهتر ساختار و رفتار آن را فراهم میکند. در این مقاله، ابتدا الگوریتم های انجمن یابی بر اساس رویکرد آنها به شکل گیری انجمن و نیز مدلسازی مفهوم همپوشانی )امکان تعلق همزمان اعضا به دو یا چند انجمن( در شش دسته شامل روشهای طیفی و مرکزگرایی، تابع کیفیت )چگالی(، انتشار برچسب، ساختار، نزدیکی و دسته بندی یالها، طبقه بندی و بررسی شده اند. در ادامه، روشهای انجمن یابی روی چهار دادگان با ساختار متفاوت، پیاده سازی و مقایسه شده اند. نتایج حاصل از معیارهای ارزیابی کیفیت روی چهار دادگان انتخابی، حاکی از آن است که هر روش بر روی توپولوژی و ویژگی خاصی بهتر عمل میکند؛ بنابراین هیچ روشی نمیتواند به عنوان بهترین روش انجمنیابی برای تمام شبکه ها مطرح باشد.

لینک مقاله 

هوش تکاملی چیست؟

الگوریتم های تکاملی چیست؟

الگوریتم های تکاملی یک برنامه ی کامپیوتری مبتنی بر هوش مصنوعی تکاملی است که با استفاده از فرآیندهایی که رفتارهای موجودات زنده را تقلید می‌کنند، مسایل را حل می‌کند. به این ترتیب، از مکانیسم هایی استفاده می کند که معمولاً با تکامل بیولوژیکی مرتبط هستند، مانند تولید مثل، جهش و جایگزینی ترکیب.
به طور کلی الگوریتم‌های تکاملی یک رویکرد مبتنی بر اکتشافات و برای حل مسائلی هستند که به راحتی در زمان چند جمله‌ای قابل حل نیستند، مانند مسائل کلاسیک سخت از درجه NP-Hard، و هر چیز دیگری که پردازش کامل آنها بسیار طولانی است وزمانی که به تنهایی مورد استفاده قرار می گیرند، معمولاً برای مسایل ترکیبی استفاده می شوند. با این حال، الگوریتم‌های تکاملی ژنتیک اغلب همراه با روش‌های دیگر مورد استفاده قرار می‌گیرند تا عنوان یک راه حل سریع برای یافتن یک مکان شروع بهینه برای الگوریتم دیگرعمل می‌کنند.

هوش دسته جمعی(SI) یا هوش ازدحامی

هوش جمعی خاصیتی است سیستماتیک که در این سیستم، عامل ها به طور محلی باهم همکاری می نمایند و رفتار جمعی تمام عامل ها باعث یک همگرایی در نقطه ای نزدیک به جواب بهینه سراسری می شود، نقطعه قوت این الگوریتم عدم نیاز به یک کنترل سراسری می باشد. هر ذره (عامل) در این الگوریتم ها خود مختاری نسبی دارد که می تواند در سراسر فضای جواب ها حرکت کند و می بایست با سایر ذرات (عامل ها) همکاری داشته باشد. از الگوریتم های مشهور هوش جمعی : الگوریتم مورچگان، الگوریتم زنبور عسل، الگوریتم پرندگان، الگوریتم سیستم ایمنی مصنوعی و الگوریتم دسته ماهی ها می باشند. هوش دسته جمعی، زیرشاخه ای از هوش مصنوعی است که برپایه رفتار جمعی سیستم های غیرمتمرکز و خود سازمان بنا شده است. این اصطلاح برای اولین بار در سال 1989 در زمینه ی سیستم های روباتیک سلولار به کاربرده شد. سیستم های Swam Intelligence ) SI) به طور نمونه از یک گروه از عوامل ساده ساخته شده که به طور محلی با یکدیگر و نیز با محیط پیرامونشان برهم کنش دارند بنابراین در آنها ساختار کنترلی متمرکزی وجود ندارد که به هر عامل منفرد دستور دهد که چگونه رفتار کند.