Result: An improved particle swarm optimization with a new swap operator for team formation problem

La formación de equipos efectivos de expertos ha jugado un papel crucial en los proyectos exitosos, especialmente en las redes sociales. En este documento, se propone un nuevo algoritmo de optimización de enjambres de partículas (PSO) para resolver un problema de optimización de la formación de equipos al minimizar el costo de comunicación entre los expertos. El algoritmo propuesto es llamado por la optimización mejorada de partículas con el nuevo operador de intercambio (IPSONSO). En IPSONSO, se aplica un nuevo operador de intercambio dentro de la optimización de enjambres de partículas para garantizar la consistencia de las capacidades y las habilidades para realizar el proyecto requerido. Además, el algoritmo propuesto se investiga aplicándolo en diez experimentos diferentes con diferentes números de expertos y habilidades; luego, IPSONSO se aplica en el conjunto de datos DBLP, que es un ejemplo de base de datos de referencia de la vida real. Además, el algoritmo propuesto se compara con el PSO estándar para verificar su eficiencia y la efectividad y practicidad del algoritmo propuesto se muestran en nuestros resultados.
La formation d'équipes d'experts efficaces a joué un rôle crucial dans la réussite de projets, en particulier dans les réseaux sociaux. Dans cet article, un nouvel algorithme d'optimisation d'essaim de particules (PSO) est proposé pour résoudre un problème d'optimisation de formation d'équipe en minimisant le coût de communication entre experts. L'algorithme proposé est appelé par une optimisation améliorée des particules avec un nouvel opérateur de swap (IPSONSO). Dans IPSONSO, un nouvel opérateur d'échange est appliqué dans l'optimisation de l'essaim de particules pour assurer la cohérence des capacités et des compétences pour effectuer le projet requis. En outre, l'algorithme proposé est étudié en l'appliquant sur dix expériences différentes avec différents nombres d'experts et de compétences ; puis, IPSONSO est appliqué sur l'ensemble de données DBLP, qui est un exemple pour la base de données de référence de la vie réelle. De plus, l'algorithme proposé est comparé au PSO standard pour vérifier son efficacité et l'efficacité et la praticité de l'algorithme proposé sont montrées dans nos résultats.
Formation of effective teams of experts has played a crucial role in successful projects especially in social networks. In this paper, a new particle swarm optimization (PSO) algorithm is proposed for solving a team formation optimization problem by minimizing the communication cost among experts. The proposed algorithm is called by improved particle optimization with new swap operator (IPSONSO). In IPSONSO, a new swap operator is applied within particle swarm optimization to ensure the consistency of the capabilities and the skills to perform the required project. Also, the proposed algorithm is investigated by applying it on ten different experiments with different numbers of experts and skills; then, IPSONSO is applied on DBLP dataset, which is an example for benchmark real-life database. Moreover, the proposed algorithm is compared with the standard PSO to verify its efficiency and the effectiveness and practicality of the proposed algorithm are shown in our results.
لعب تشكيل فرق فعالة من الخبراء دورًا حاسمًا في المشاريع الناجحة خاصة في الشبكات الاجتماعية. في هذه الورقة، يتم اقتراح خوارزمية جديدة لتحسين سرب الجسيمات (PSO) لحل مشكلة تحسين تشكيل الفريق من خلال تقليل تكلفة الاتصال بين الخبراء. تسمى الخوارزمية المقترحة بتحسين الجسيمات مع مشغل المبادلة الجديد (IPSONSO). في IPSONSO، يتم تطبيق مشغل مبادلة جديد ضمن تحسين سرب الجسيمات لضمان اتساق القدرات والمهارات اللازمة لأداء المشروع المطلوب. كما يتم التحقيق في الخوارزمية المقترحة من خلال تطبيقها على عشر تجارب مختلفة مع أعداد مختلفة من الخبراء والمهارات ؛ ثم يتم تطبيق IPSONSO على مجموعة بيانات dblp، وهو مثال لقاعدة بيانات الحياة الواقعية المعيارية. علاوة على ذلك، تتم مقارنة الخوارزمية المقترحة مع PSO القياسي للتحقق من كفاءتها وتظهر فعالية الخوارزمية المقترحة وعمليتها في نتائجنا.