近些年来，复杂网络逐渐成为众人关注的研究领域，越来越多的科研工作者投身其中。研究发现，复杂网络通常呈现出社区结构特性，因此，如何在实际网络中高效地发现社区结构成为近年来复杂网络的研究热点之一。但大部分已有工作都是针对无符号网络的，即网络中边的权值都为正值。而在实际的社会网络中，节点之间不仅有表示“友谊、联盟、喜欢”等的正边连接，而且有表示“敌对、战争、厌恶”等的负边连接。这种既带有正边连接又带有负边连接的网络被称为符号网络（Signednetworks,SNs）。本论文主要研究符号网络中社区检测问题。基于遗传算法（GeneticAlgorithms,GAs）、克隆选择算法（ClonalSelectionAlgorithms,CSAs）和密母算法（MemeticAlgorithm,MAs），提出了四种符号网络的社区检测算法。下面是本文的主要工作：1.改进了原始的模度密度（D-value），将其扩展为评价符号网络社区检测问题的指标。改进后的D-value不仅保留了原始D-value的所有特性，而且有效地解决符号网络中负边带来的扰动。而且，通过控制参数λ的大小，还可以实现符号网络划分的多分辨功能。2.设计了一种带有参数控制的随机符号网络生成方法，通过调节各种参数的大小，不仅可以控制随机生成符号网络的规模，而且可以控制社区结构的层次、噪声大小等。3.提出了四种基于进化算法的符号网络社区检测方法，它们分别是基于遗传算法的符号网络社区检测（GA-SN）、基于克隆选择算法的符号网络社区检测（CSA-SN）和两种基于密母算法的符号网络社区检测（GAHC-SN和CSAHC-SN）。通过对两个目标函数——改进的模度（改进的Q）和改进的D-value进行优化，将社区检测问题转化为两个单目标优化问题。实验部分我们用4个基准符号网络和8种具有100到1800个节点的随机生成符号网络对四种进化算法进行了测试，并且对这四种算法的性能进行了系统比较和分析。实验结果表明四种进化算法对解决符号网络社区检测问题是有效的。两种带有爬山策略的密母算法性能分别比GA-SN和CSA-SN性能优越；CSA-SN算法的性能比GA-SN的性能优越。实验结果还表明两个目标函数也是十分有效地。改变参数λ，可以实现网络划分的多分辨。对于大规模的符号网络来讲，改进的Q的鲁棒性比改进的D-value强。