随着复杂系统科学的不断发展,同时受到社交网络、移动通话网络等现实网络的推动,人们针对复杂系统的研究正在渐渐深入。由于复杂网络这门学科能够很好地描述大量复杂系统,人们期望通过对复杂网络的接触和研究,揭示并掌握其功能特性、演化规律、统计特征等等,从而能够更深刻地掌握复杂系统,帮助解决实际问题。人们通过大量的研究表明,复杂网络除了具有小世界性、无标度性等之外,社团结构也是复杂网络的一个重要特征。一般把连接关系稠密的节点及其连接关系构成的子网络结构称为社团,即社团内的连接关系呈稠密结构,社团间的连接关系呈现稀疏结构。所以了解并发现复杂网络的社团结构特征对人们探索科学奥秘具有重大的指导意义并且已经成为近几年来人们研究的热潮。　　目前,关于社团结构的划分已经取得了一定的成果,最终通过人们对挖掘社团结构不断深入地研究,科学界也早已经发现了很多社团划分算法,但是这些算法往往都没有把重叠节点考虑在内,所以说这就要求我们必须找出更具有代表性的社团计算方法来解决生活中真正的实际问题。　　论文首先讨论了复杂网络的发展状况和近些年的研究成果以及在现实生活中的应用价值。然后介绍了复杂网络的一些基本概念、特性参数、基本算法等,同时引入了目前学术界最为关注的几种经典网络模型。最后在此基础上,提出了基于Ahn算法的修正算法,当然这中间也对其他的重叠算法作了简单的介绍,这些算法包括,派系过滤算法,CONGA算法和EAGLE算法,以及LFM算法等。　　最后针对大规模复杂网络社团挖掘效率较低问题,提出了一种基于节点的多重属性算法。该算法以边两端节点所共有的邻居占其邻居的比值作为该边的相似度,通过每次合并相似度值最大的两条边,并且考虑期望模块度是否增大,不断熏复这一过程,最后得到一个边的森林结构,然后还原成节点。实验结果表明,与已有的划分算法相比,该算法不需要事先预知社团数目和原始社团划分情况,便可得到更高质量的网络社团划分结果。