تحلیل عملکرد الگوریتم ژنتیک در بهینه سازی دسته بندی شبکه های جمعی

الگوریتم ژنتیک نوع خاصی از الگوریتم تکاملی است که می تواند به عنوان یک روش بهینه سازی اجرای در نظر گرفته شود. حتی اگر هیچ الگوریتم ژنتیک قطعی وجود نداشته باشد، این احتمال وجود دارد که انطباق هر یک از بازنمایی ها و اپراتورها برای مشکل مدل سازی مناسب نظر گرفته شوند. به عنوان یک قیاس از مدل بیولوژیکی، کروموزم ها عناصر مورد استفاده در الگوریتم های ژنتیکی، برای نشان دادن تنظیمات و پیکربندی هستند که حاوی اطلاعات ژنتیکی برمبنای موقعیت و ارزش ژن های خود می باشند. کار این کروموزوم ها یافتن راه حل برای مشکل مدل سازی است. به منظور انتخاب یک زیرمجموعه از بازیگران یک شبکه اجتماعی، ما یک تابع موقت برای محاسبه فاصله بین اعضای گروه تعریف کرده ایم. در نتیجه، ما یک الگوریتم ژنتیکی برای تخمین راه حل های ممکن جهت بهینه سازی، از طریق به حداقل رساندن این تابع تعریف کرده ایم. توسعه یک الگوریتم ژنتیکی نیاز به تعریف نمایندگی، تابع مارزیابی، انتخاب منبع (والدین) و مکانیزم انتخاب بقا و همچنین جهش اپراتورها دارد. بعد، ما تنظیمات انتخاب شده برای مشکل مدلسازی را ارائه می کنیم. تحلیل نهایی نشان دهنده برتری الگوریتم پیشنهادی در نتایج تولید شده است. اجرای الگوریتم برروی مجموعه داده های بزرگ که برای آن بهینه سازی پیمانه ای به طور فزاینده ای سخت است، آزمایش شده و بهبود مطلوبی داشته است. روش پیشنهادی به طور میانگین نسبت به طرح گریون و نیومن 20.79% بهبود داشته است.