Detecting community structure in complex networks using an interaction optimization process

بیشتر شبکه های پیچیده شامل ساختارهای جامعه هستند. تشخیص این ساختارهای جامعه برای درک و کنترل شبکه ها مهم است. بیشتر روش های تشخیص جامعه از توپولوژی شبکه و تراکم لبه برای شناسایی جوامع بهینه استفاده می کنند؛ با این حال، این روش ها دارای پیچیدگی محاسباتی بالایی هستند و به فرم ها و انواع شبکه حساس هستند. برای حل این مشکلات، در این مقاله الگوریتمی پیشنهاد می شود که از فرآیند بهینه سازی تعامل برای تشخیص ساختارهای جامعه در شبکه های پیچیده استفاده می کند. این الگوریتم به طور کارآمد نامزدان جوامع بهینه را با بهینه سازی تعاملات اعضا در هر جامعه بر پایه مفهوم بهینه سازی حریص، جستجو می کند. در طی این فرآیند، هر نامزد با استفاده از یک مدل جامعه مبتنی بر تعامل، ارزیابی می شود. این مدل به سرعت و با دقت تفاوت بین کمیت و کیفیت تعاملات داخل و بین جامعه را اندازه گیری می کند. الگوریتم ما در چندین شبکه معیار با ساختارهای شناخته شده جامعه که جوامع متنوعی را که توسط روش های دیگر شناسایی شده اند، تست می کنیم. علاوه بر این، پس از اعمال الگوریتم به چندین شبکه پیچیده در دنیای واقعی، الگوریتم ما با روش های دیگر مقایسه می شود. ما دریافتیم که نتایج کابری و پوشش ساختاری که توسط الگوریتم ما به دست می آید، از روش های دیگر فراتر رفته است.