Ant colony clustering with fitness perception and pheromone diffusion for community detection in complex networks

a b s t r a c t

Community structure detection in complex networks has been intensively investigated in recent years. In this paper, we propose an adaptive approach based on ant colony clustering to discover communities in a complex network. The focus of the method is the clustering process of an ant colony in a virtual grid, where each ant represents a node in the complex network. During the ant colony search, the method uses a new fitness function to percept local environment and employs a pheromone diffusion model as a global information feedback mechanism to realize information exchange among ants. A significant advantage of our method is that the locations in the grid environment and the connections of the complex network structure are simultaneously taken into account in ants moving. Experimental results on computer-generated and real-world networks show the capability of our method to successfully detect community structures.

 دانلود رایگان مقاله انگلیسی 1.63 MB

چکیده
تشخیص ساختار اجتماع در شبکه های پیچیده بطور گسترده در سال های اخیر مورد مطالعه قرار گرفته است. در این مقاله، یک راهکار انطباقی مبتنی بر خوشه بندی کلونی مورچه جهت کشف اجتماع ها در شبکه پیچیده پیشنهاد می کنیم. تاثیر روش روی فرایند خوشه بندی کلونی مورچه در گرید مجازی است، جاییکه هر مورچه نشان دهنده ی گرهی در شبکه پیچیده است. در طول جستجوی کلونی مورچه، این روش از تابع برازندگی جدیدی برای درک محیط محلی و از مدل انتشار فرومون بعنوان مکانیزم فیدبک اطلاعات سراسری برای تحقق مبادله اطلاعات میان مورچه ها استفاده می کند. مزیت عمده این روش این است که موقعیت های موجود در محیط گرید و اتصالات ساختار شبکه پیچیده بطور همزمان در حرکت مورچه ها در نظر گرفته می شوند. نتایج تجربی روی شبکه های تولید شده توسط کامپیوتر و شبکه های دنیای واقعی، قابلیت روش ما را در تشخیص موفق ساختارهای اجتماع نشان می دهند.

 تعداد صفحات مقاله انگلیسی:  13   صفحه

 تعداد صفحات فارسی مقاله ترجمه شده :  27   صفحه

 قالب بندی فایل: فایل ورد (Word)