ترجمه مقاله
چکیده :
بسیاری از سیستم ها در جهان اجتماعی می توانند به وسیله ی شبکه های پیچیده ارائه شوند اکتشاف ساختار اجتماع و تحلیل عملکردها ی شبکه ها از اهمیت بسیاری برخوردار می باشد .در سال های اخیر، تحقیقات و آثار بسیاری بر روی این مشکل متمرکز شده اند . در این گزارش ما یک الگورینم کمکی بر مبنای بهینه سازی کلونی مورچه جهت آشکارسازی و اکتشاف مشکلات اجتماع پیشنهاد می کنیم . (ACD) به منظور جلوگیری از محاسبه اضافی در ACD ، ما کلونی مورچه را به دو گروه تقسیم می کنیم ، گروه اصلی و گروه هوشمند که در یک زمان راه حل فضایی را جستجو می کند . در گروه هوشمند به واسطه ارائه نزدیک بر مبنای مکان هندسی راه حل، ما به برخی از آن ها اجازه می دهیم که توانایی خودآموزی داشته باشند و بقیه می توانند از راه حل های بهینه پیش گستر یاد گیرند . آزمایشات بر روی شبکه های مصنوعی و واقعی نشان می دهد که الگوریتم پیشنهاد شده می تواند در یک شیوه موثر و ثابت و پایدار کشف شود .
کلمات کلیدی : شبکه ها ، آّشکار سازی و اکتشاف اجتماع ، بهینه سازی کلونی مورچه هوشمند ، خودآموزی، یادگیری پیش گستر .
مقدمه :
شکل شبکه های پیچیده می تواند به صورت معمول در جهان کشف شود . همان طوری که نمودار های ریاضی نامیده می شوند ؛ شبکه ها شامل مناطق بسیار مختلفی مانند، حادثه شناسی، زیست شناسی، ریاضیات و فیزیکی است . در دهه اخیر، آثار بسیاری بر روی تحقیق اجزا و آثار یک شبکه خاص با اجزای نظریه گراف (نمودار) تمرکز کرده اند . زمانی که با مشکلات آشکار سازی و اکتشاف اجتماع را در نظر می گیریم همانند یک تحلیل گراف (نمودار) ، یک گره یا راس که با یک نقطه برابر است و یک لبه که دو راس را به هم مرتبطت می کند و با یک خط برابر است در دهه گذشته متدهای بسیاری پیشنهاد شدند تا ماژول ها و ضرایب را تعیین کنند و رئوس را بر طبق اصلی که ارتباطات باید بین جوامع پراکنده شوند و از داخل متراکم باشد طبقه بند یکنند . بنابراین برخی از عملکردهای عینی که کیفیت و صحت یک پارتیشن را اندازه می گیرند به تدریج پیشنهاد شده اند . برای مثال پیمانه ای بودن که به وسیله گیروان و نیومن معرفی شد در [5] به صورت گسترده ای پذیرفته شده و عموماً در الگوریتم ها استفاده شده است .
فایل ترجمه مقاله An Intelligent Ant Colony Optimization for Community Detection in Complex Networks
بهینه سازی کلونی مورچه هوشمند جهت آشکار سازی و اکتشاف اجتماع در شبکه های پیچیده
قالب فایل: قالب Word
تعداد صفحات: 23 صفحه
اصل مقاله:
An Intelligent Ant Colony Optimization for Community Detection in Complex Networks
Abstract—Many systems in social world can be represented by complex networks. It is of great significance to detect the community structure and analyze the functions for networks.
In recent years, plenty of research and works have been focused on this problem. In this paper, we propose an enhanced algorithm based on ant colony optimization (ACO) for the community detection problems.
In order to avoid redundant computing in ACO, we divide the ant colony into two groups, original group and intelligent group, which search the solution space simultaneously. In the intelligent group, due to the locus-based adjacency representation of the solution, we let some of them have an ability of self-learning and others can learn from the optimal solutions proactively. Experiments on synthetic and real-life networks show the proposed algorithm can explore in an efficient and stable way.
Keywords: complex networks; community detection; intelligent ant clony optimization; self-learning; proactive-learning
دریافت فایل اصل مقاله – فایل PDF شامل ۷ صفحه
An Intelligent Ant Colony Optimization for Community Detection in Complex Networks