راهکار جدید پژوهشگران ایرانی برای تحلیل شبکه‌های پیچیده و بهینه‌سازی تعاملات

به گزارش روابط عمومی دانشگاه علم و فرهنگ جهاددانشگاهی، مقاله‌ای با عنوان “Efficient identification of maximum independent sets in stochastic multilayer graphs with learning automata” به قلم دکتر علیرضا رضوانیان عضو هیات علمی گروه مهندسی کامپیوتر دانشگاه علم و فرهنگ با همکاری محمدمهدی دلیری خمامی و دکتر محمدرضا میبدی عضو هیات علمی دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)، در مجله معتبر بین‌المللی Results in Engineering از انتشارات Elsevier به چاپ رسید. این مجله که در نمایه WoS (ISI) با ضریب تاثیر 6 و رتبه Q1 قرار دارد، یکی از معتبرترین مجلات علمی در حوزه مهندسی به شمار می‌رود.

در این مقاله، در ابتدا، ضرورت مدل‌سازی سیستم‌های واقعی دارای تعاملات پیچیده توسط گراف‌های چندلایه تصادفی از جمله شبکه‌های اجتماعی، شبکه‌های زیستی و شبکه‌های حمل و نقل با بررسی پیشینه پژوهش گذشته شرح داده شده است، سپس مفهوم مجموعه‌های مستقل حداکثری در گراف‌های چندلایه تصادفی با توجه به اهمیت آن در موضوعاتی چون انتشار اطلاعات، تخصیص منابع و گسترش اپیدمی در شبکه‌های اجتماعی، مورد بازتعریف قرار گرفته است.
به منظور حل این مساله به عنوان یک مسئله بنیادی در علوم کامپیوتر و کاربردهای آن در شبکه‌های پیچیده، پنج الگوریتم مبتنی بر اتوماتاهای یادگیری برای شناسایی مجموعه‌های مستقل حداکثری در گراف‌های چندلایه تصادفی ارائه شده است.
از اتوماتاهای یادگیری که در زیرمجموعه روش‌های مبتنی بر یادگیری تقویتی در یادگیری ماشین طبقه بندی می‌شوند، به منظور نمونه‌برداری هدفمند و هدایت‌شده از مجموعه‌های مستقل کاندید در گراف چندلایه تصادفی بهره برده شده است تا با صرف هزینه کمتر و دقت بالاتر نسبت به روش‌های استاندارد، مجموعه‌های مستقل حداکثری بدست آیند.
به منظور ارزیابی، علاوه بر تحلیل‌های ریاضی و ارائه اثبات چندین خصوصیت الگوریتم، در شبیه‌سازی‌های انجام‌شده بر روی گراف‌های چندلایه تصادفی متنوع نشان داده شده است که الگوریتم‌های مبتنی بر اتوماتاهای یادگیر نسبت به روش‌های سنتی عملکرد بالاتری را براساس نرخ همگرایی همراه با نمونه‌های کمتر دارند.