This paper proposes a new Direction Aware Particle Swarm Optimization algorithm with Sensitive Swarm Leader (DAPSO-SSL). DAPSO-SSL maps the basic human nature of awareness, maturity, leader and followers relationship and leadership qualities to the popular PSO algorithm. It assigns these qualities to swarm leader and individual particles. In practical life, it is the moral responsibility of the leader to improve the status, quality or direction of the life of his followers. Thus, he influences the decision making of the group members through his policies and actions. A great leader is one which continuously keeps track of his followers' performance and accordingly adapts to various situations. If their performance is degrading because of him, he can either change his policies or can groom a new leader to take his position. Hence this leader can be Sensitive to the needs of group members. It also incorporates the concept of iterative directional awareness among the swarm particles in PSO. The particles over successive iterations become more conscious about their direction of motion by taking account of their performances. DAPSO-SSL thus tries to prevent stagnation while improving convergence rate. The algorithm is tested on twenty-four benchmark functions on COCO framework and its performance is compared with other state-of-the-art algorithms. Further, in order to check the effectiveness of the proposed algorithm, DAPSO-SSL is applied to community detection problem of big data networks. The comparative analysis of the results with other state-of-the-art algorithms has indicated the competitiveness of the proposed algorithm.

本文提出了一种新的具有方向性感知群的方向感知粒子群优化算法（DAPSO-SSL）。DAPSO-SSL将意识，成熟度，领导者和跟随者的关系以及领导者素质的基本人性映射到流行的PSO算法。它将这些品质分配给群首和单个粒子。在实际生活中，领导者的道德责任是改善其追随者的状况，质量或生活方向。因此，他通过自己的政策和行动影响小组成员的决策。一位出色的领导者会不断跟踪其追随者的表现，并因此适应各种情况。如果由于他的表现而使他的表现降低，他可以改变政策，也可以培养新的领导人来担任他的职务。因此，该领导者可以对小组成员的需求敏感。它还将迭代方向感知的概念纳入了PSO中的粒子群之中。通过考虑粒子的性能，连续迭代中的粒子将更加意识到其运动方向。因此，DAPSO-SSL试图在提高收敛速度的同时防止停滞。该算法在COCO框架上的二十四个基准函数上进行了测试，并将其性能与其他最新算法进行了比较。此外，为了检验所提算法的有效性，将DAPSO-SSL应用于大数据网络的社区检测问题。与其他最新算法对结果的比较分析表明，该算法具有竞争力。它还将迭代方向感知的概念纳入了PSO中的粒子群之中。通过考虑粒子的性能，连续迭代中的粒子将更加意识到其运动方向。因此，DAPSO-SSL试图在提高收敛速度的同时防止停滞。该算法在COCO框架上的二十四个基准函数上进行了测试，并将其性能与其他最新算法进行了比较。此外，为了检查所提算法的有效性，将DAPSO-SSL应用于大数据网络的社区检测问题。与其他最新算法对结果的比较分析表明，该算法具有竞争力。它还将迭代方向感知的概念纳入了PSO中的粒子群之中。通过考虑粒子的性能，连续迭代中的粒子将更加意识到其运动方向。因此，DAPSO-SSL试图在提高收敛速度的同时防止停滞。该算法在COCO框架上的二十四个基准函数上进行了测试，并将其性能与其他最新算法进行了比较。此外，为了检验所提算法的有效性，将DAPSO-SSL应用于大数据网络的社区检测问题。与其他最新算法对结果的比较分析表明，该算法具有竞争力。通过考虑粒子的性能，连续迭代中的粒子将更加意识到其运动方向。因此，DAPSO-SSL试图在提高收敛速度的同时防止停滞。该算法在COCO框架上的二十四个基准函数上进行了测试，并将其性能与其他最新算法进行了比较。此外，为了检验所提算法的有效性，将DAPSO-SSL应用于大数据网络的社区检测问题。与其他最新算法对结果的比较分析表明，该算法具有竞争力。通过考虑粒子的性能，连续迭代中的粒子将更加意识到其运动方向。因此，DAPSO-SSL试图在提高收敛速度的同时防止停滞。该算法在COCO框架上的二十四个基准函数上进行了测试，并将其性能与其他最新算法进行了比较。此外，为了检验所提算法的有效性，将DAPSO-SSL应用于大数据网络的社区检测问题。与其他最新算法对结果的比较分析表明，该算法具有竞争力。该算法在COCO框架上的二十四个基准函数上进行了测试，并将其性能与其他最新算法进行了比较。此外，为了检验所提算法的有效性，将DAPSO-SSL应用于大数据网络的社区检测问题。与其他最新算法对结果的比较分析表明，该算法具有竞争力。该算法在COCO框架上的二十四个基准函数上进行了测试，并将其性能与其他最新算法进行了比较。此外，为了检验所提算法的有效性，将DAPSO-SSL应用于大数据网络的社区检测问题。与其他最新算法对结果的比较分析表明，该算法具有竞争力。