نوع مقاله : مقاله پژوهشی

چکیده

چکیده: علم و فناوری در حال رشد است و شبکه‌های پیچیده به بخشی ضروری از زندگی تبدیل شده، طوری که بحث جدایی مردم از شبکه‌های درهم پیچیده‌ای که مبتنی بر نیازهای اساسی زندگی است تقریبا بحث جدا نشدنی است. در این پژوهش مدلی برای شبکه‌های اجتماعی چند لایه‌ای پویا جهت کشف گروه‌های تاثیرگذار مبتنی بر ترکیبب الگوریتم تکاملی جهش قورباغه و خوشه‌بندی C-means ارائه شد. بعد از جمع‌آوری داده‌ها به پاکسازی و نرمالسازی داده‌ها پرداخته شد تا با داده‌های مطلوب سعی در شناسایی افراد و گروه‌های موثر شود طوریکه ماتریس تصمیم تشکیل شد و از روی آن شناسایی و خوشه‌بندی(مبتنی بر خوشه‌بندی فازی) انجام و اهمیت گروه‌ها نیز مشخص گردید. برای دستیابی به افراد و گروه‌های تاثیرگذار در شبکه‌های اجتماعی از الگوریتم قورباغه جهنده برای بهبود تشخیص پارامترهای تاثیرگذار استفاده شد، که باعث بهبود اهمیت گره‌ها گشت. در ارزیابی و شبیه‌سازی بخش خوشه‌بندی، روش پیشنهادی با روش K-means مقایسه شد و مقدار تعادل روش در انتخاب خوشه برابر 5 نتیجه شد. روش پیشنهادی به نسبت روش‌های مورد مقایسه بهبودی مناسب‌تری را نشان داد. همچنین ارزیابی معیار صحت روش پیشنهادی به نسبت روشهای همسان بهبود 3.3 داشته و نسبت روش پایه M-ALCD بهبود 3.8 از خود به ثبت رساند.