近年来,由于复杂网络模块划分的重要意义,所以该领域引起了来自不同领域专家和学者的注意,且纷纷投入大量的人力物力研究网络模块划分及其应用。在社交网络中,模块结构表现为模块内部的人之间交互紧密,不同模块人之间交互不紧密。这种模块结构在社交网络中代表不同的社交圈,在集成电路与通信系统里对应功能相对独立的功能单元。从图论的角度来讲,模块结构可以简单理解为稠密子图,因此,网络模块划分可以看成稠密子图识别的问题来处理。优化算法在网络模块划分中具有非常重要的作用,但是如何公平地度量模块结构的内部与外部对于这种结构的提取至关重要。近来网络模块划分中一种新的问题,失衡问题被提出,本文先介绍这种失衡问题,然后提出一种对称模型来解决这种失衡问题,同时研究对称模型下基于优化的网络模块划分算法。本文接着讨论了在特定网络中该算法的分辨能力问题,同时在随机网络中与几种典型的基于优化的模块划分算法,如Modularity优化算法、D值优化算法、OSLOM算法、Infomap算法进行性能比较,并在真实网络中进行深入分析。结果表明,该算法表现出优越的性能和精准的划分。本文的对称模型不仅为网络模块划分提供了一个新的平台,同时为理解复杂网络的特性提供了新的思路。