کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6903124 1446750 2018 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Detecting composite communities in multiplex networks: A multilevel memetic algorithm
ترجمه فارسی عنوان
تشخیص جوامع کامپوزیت در شبکه های چندگانه: یک الگوریتم ممتد چند سطحی
کلمات کلیدی
ترجمه چکیده
امروزه بسیاری از سیستم ها به خوبی توسط شبکه های چندگانه ای نشان داده می شوند، که در آن اشخاص می توانند با چندین لایه ارتباط برقرار کنند. یک شبکه چندگانه تحت هر لایه دارای جوامع خاص خود (به عنوان مثال یک سازمان مرتبه بالاتر با گروهی از گره های مشابه) است، در حالی که دارای یک ساختار ترکیبی است که احتمالا برای توصیف ساختارهای جامعه در همه لایه ها است. بسیاری از الگوریتم ها برای تشخیص جوامع در شبکه های بدون لایه ی چند لایه پیشنهاد شده اند اما اغلب آنها نمی توانند به خوبی برای تشخیص جوامع کامپوزیت در شبکه های چندگانه استفاده شوند. هدف از این مقاله شناسایی جوامع کامپوزیت در شبکه های توزیع وزن با استفاده از الگوریتم ممتد چند سطحی است. اولا، تعدیل ساده چندگانه برای ارزیابی تناسب جوامع کامپوزیتی مورد استفاده قرار می گیرد، و سپس مشکل تشخیص جامعه در شبکه های چندگانه به عنوان یک مشکل بهینه سازی ترکیبی مدل سازی می شود. دوم، ما یک الگوریتم ممتد چند سطحی را طراحی می کنیم که ترکیبی از یک الگوریتم ژنتیک مخصوص شبکه با اپراتورهای جستجو چند منطقه ای محلی است. در الگوریتم ارائه شده، دانش خاص شبکه (به عنوان مثال محله لایه و همسویی اجماع) و اطلاعات مربوط به مسئله (به عنوان مثال، محاسبه سریع تعدیل چندگانه تحت هر یک از اصلاحات محلی) برای هدایت فرایندهای جستجو مورد استفاده قرار می گیرد. در گذشته، آزمایش های گسترده بر روی هشت شبکه دنیای واقعی انجام شده از محدوده های اجتماعی، حمل و نقل، مالی و ژنتیکی انجام شده و نتایج نشان می دهد که الگوریتم ما جوامع کامپوزیتی را در شبکه های چندتایی کشف کرده است دقیق تر از حالت پیشرفته.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
تشخیص جوامع کامپوزیت در شبکه های چندگانه: یک الگوریتم ممتد چند سطحی
چکیده انگلیسی
Nowadays, many systems can be well represented by multiplex networks, in which entities can communicate with each other on multiple layers. A multiplex network under each layer has its own communities (i.e., a higher-order organization with a group of similar nodes) while it has a composite structure which is most likely to describe its community structures at all layers. Many algorithms have been proposed to detect communities in unweighted single-layered networks, but most of them cannot be well applied to detect composite communities in multiplex networks. The aim of this paper is to detect composite communities in weighted multiplex networks using a multilevel memetic algorithm. First, a simplified multiplex modularity is adopted for evaluating the fitness of composite communities, and then the community detection problem in multiplex networks is modeled as a combinational optimization problem. Second, we devise a multilevel memetic algorithm that combines a network-specific genetic algorithm with problem-specific multilevel local search operators. In the presented algorithm, the network-specific knowledge (i.e., the layer neighborhood and the consensus neighborhood) and the problem-specific information (i.e., the fast computation of multiplex modularity under each local refinement) are adopted to guide its search processes. Last, extensive experiments are performed on eight real-world networks ranging from social, transport, financial to genetic areas, and the results demonstrate that our algorithm discoveries composite communities in multiplex networks more accurately than the state-of-the-art.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Swarm and Evolutionary Computation - Volume 39, April 2018, Pages 177-191
نویسندگان
, , , , ,