This paper proposes an improvised algorithm named modified crossover opposition-based genetic algorithm (MCOBGA) for community detection with the help of genetic algorithm (GA) to discover community structure in social networks. The paper deploys modified crossover and opposition-based initialization along with GA to improve the quality of the community structures. Initialization of the population through opposition-based learning ensures the improved selection of initial population, whereas modified crossover transmits information for improved community structure. The evaluations of proposed algorithm have been done on real-world networks. The experimental results show that MCOBGA has very competitive performance compared with GA with vertex similarity applied to community detection which has been the most similar approach to the proposed algorithm. Experimental results not only demonstrate improvement on convergence rate of the algorithm, but also communities discovered by proposed algorithm (MCOBGA) is highly inclined towards quality, compared to its counterpart. In this paper, we have focused on the community detection problem in the domain of the social network. Community detection is a very basic and hot research problem in complex networks. We have employed the genetic algorithm with modified crossover, opposition-based learning, and matrix encoding technique. We can use this technique in agriculture, the health sector, and market data analysis also.

提出了一种改进的基于交叉对立的遗传算法（MCOBGA）用于社区检测，该算法借助遗传算法（GA）发现社交网络中的社区结构。本文部署了经过修改的交叉和基于对立的初始化以及GA，以提高社区结构的质量。通过基于对立面的学习来初始化人口，可以确保改善对初始人口的选择，而经过修改的交叉点可以传递信息，以改善社区结构。所提出算法的评估已在实际网络中进行。实验结果表明，与遗传算法相比，MCOBGA具有极强的竞争性能，其顶点相似度应用于社区检测是该算法最相似的方法。实验结果不仅证明了算法的收敛速度有所提高，而且与同类算法相比，所提算法（MCOBGA）发现的社区对质量的重视程度更高。在本文中，我们集中讨论了社交网络领域中的社区检测问题。在复杂的网络中，社区检测是一个非常基本和热门的研究问题。我们采用了具有改进的交叉，基于对立的学习和矩阵编码技术的遗传算法。我们也可以在农业，卫生部门和市场数据分析中使用此技术。实验结果不仅证明了算法的收敛速度有所提高，而且与同类算法相比，所提算法（MCOBGA）发现的社区对质量的重视程度更高。在本文中，我们集中讨论了社交网络领域中的社区检测问题。在复杂的网络中，社区检测是一个非常基本和热门的研究问题。我们采用了具有改进的交叉，基于对立的学习和矩阵编码技术的遗传算法。我们也可以在农业，卫生部门和市场数据分析中使用此技术。实验结果不仅证明了算法的收敛速度有所提高，而且与同类算法相比，所提算法（MCOBGA）发现的社区对质量的重视程度更高。在本文中，我们集中讨论了社交网络领域中的社区检测问题。在复杂的网络中，社区检测是一个非常基本和热门的研究问题。我们采用了具有改进的交叉，基于对立的学习和矩阵编码技术的遗传算法。我们也可以在农业，卫生部门和市场数据分析中使用此技术。我们专注于社交网络领域的社区检测问题。在复杂的网络中，社区检测是一个非常基本和热门的研究问题。我们采用了具有改进的交叉，基于对立的学习和矩阵编码技术的遗传算法。我们也可以在农业，卫生部门和市场数据分析中使用此技术。我们专注于社交网络领域的社区检测问题。在复杂的网络中，社区检测是一个非常基本和热门的研究问题。我们采用了具有改进的交叉，基于对立的学习和矩阵编码技术的遗传算法。我们也可以在农业，卫生部门和市场数据分析中使用此技术。