Identifying overlapping communities in networks using evolutionary method

ساختار جامعه یک ویژگی معمول شبکه های دنیای واقعی است و به عنوان یک کلید برای درک پویایی سیستم های شبکه شناخته شده است. در اغلب شبکه ها، گره های قریب الوقوع ظاهرا در یک جامعه زندگی می کنند، در حالی که اغلب گره های متعددی وجود دارد که در چندین جوامع متداول هستند. از این رو، یک الگوریتم ایده آل برای تشخیص جامعه این است که می تواند جوامع همپوشانی را در این شبکه ها شناسایی کند. ما روش تکاملی را برای تشخیص ساختار جامعه همپوشانی در شبکه ارائه می کنیم. برای نشان دادن تقسیم همپوشانی یک شبکه، ما یک طرح کدگذاری متشکل از دو بخش ایجاد می کنیم، اولین نشان دهنده یک پارتیشن مجزا است و دومین نشان دهنده یک پسوند پارتیشن است که امکان عضویت چندگانه را فراهم می کند. ما دو روش برای اطلاع رسانی یک گره ارائه می دهیم و یک طرح هماهنگی بین دو بخش بیش از جمعیت را برای حل پارتیشن همپوشانی شبکه ارائه می دهیم. نتایج تجربی نشان می دهد این روش می تواند یک راه حل بهتر برای یک شبکه ارائه دهد. همچنین نشان داده شده است که بهترین پارتیشن با هم تداخل شبکه ممکن است از یک پارتیشن مجزا از یک ریشه نباشد.