شبکه اینترنت اشیا اجتماعی (SIoT) ناشی از اتحاد شبکه اجتماعی و شبکه اینترنت اشیا است که در این شبکه هر شی سعی دارد با استفاده از اشیای اطراف خود، از سرویس‌هایی که توسط اشیا دوست خود ارائه می‌شود بهرهبرداری کند پس در این شبکه پیدا کردن شی دوست مناسب برای بهره بردن از سرویس مناسب مهم تلقی می‌شود. حال وقتی تعداد دوستان اشیا زیاد باشد آنگاه استفاده از الگوریتم‌های کلاسیک برای پیدا کردن سرویس مناسب با کمک اشیا دوست ممکن است زمان و بار محاسباتی و پیمایش در شبکه را بالا ببرد؛ بنابراین در این مقاله برای کم کردن بار محاسباتی و پیمایش شبکه سعی شده است برای انتخاب شی دوست مناسب از رویکرد اکتشافی و با استفاده از الگوریتم بهینه‌سازی فاخته باینری تطبیق داده‌شده (AB-COA) و شاخص محلی آدامیک‌آدار (AA) که مبتنی بر معیار مرکزیت درجه است بهره ببرد و ویژگی‌های همسایه‌های مشترک اشیا را در انتخاب شی دوست و اکتشاف سرویس مناسب در نظر بگیرد. درنهایت، با اجرای الگوریتم AB-COA بر روی مجموعه داده وب استنفورد، میانگین گام موردنیاز برای دستیابی به سرویس در شبکه، 4.8 به دست آمد که نشان‌دهنده برتری این الگوریتم نسبت به سایر الگوریتم‌ها است.