随着互联网的普及和应用,网络遍布生活各个角落。例如社交网络的存在,人类的社会行为受到影响。人们就像一个个节点,被互联网连接着,各个节点之间看似相互独立,却又存在着一定的联系。正是这些点和边构成了复杂网络,点和边之间的关系形成了网络的拓扑结构。复杂网络中具有较大影响的是社团结构,正是由于社团结构才能够让我们深入地研究网络中的一些行为,能够帮助人们发现复杂网络中存在的规律,能够解释社会关系与现象。社团检测是发现社团结构的一种重要手段。近年来,社团检测算法的研究已成为复杂网络的一个重要分支。研究者提出了许多智能算法,比如,遗传算法、粒子群算法、萤火虫算法等。但这些算法都存在一些局限性,使得算法时间复杂度过高、算法容易陷入局部最优、算法的效率低等。本文采用一种启发式化学反应算法,利用社团分数作为算法的适应度函数,提出了一种新的社团发现算法,可以在一定程度上解决算法存在的局限性。本文主要研究工作和创新点是:1.研究了复杂网络中经典社团发现算法、化学反应算法以及复杂网络中社团的评判函数。社团结构被定义为内部节点连接紧密,外部节点连接稀疏,而模块度正是为了描述社团结构的特点被提出来的;模块密度是在解决模块度分辨率的问题上提出的。发现社团结构是本文研究的重点,因此本文也研究了一些常用的社团检测的算法。2.提出了基于化学反应算法优化社团分数的社团检测方法。所提算法是以化学反应算法为框架,社团分数为适应度函数,将社团检测问题转化为求最小势能的问题,通过四种初等反应来优化社团分数从而找出最低势能。3.采用标签传播方式作为种群初始化的方法。为了提高初始种群的多样性以及有效性,因此引入标签传播的方式,使算法更加的精准以及稳定,从而使社团结构更加明显,划分的效果更优。4.引入禁忌搜索算法作为一种局部搜索算子。为了提高算法寻优时局部搜索能力,将化学反应算法与禁忌搜索算法相结合,这样能够提高算法的寻优能力,加快算法收敛速度。通过在人工合成网络和真实网络上实验表明,该算法在两种网络上都得到较好的划分结果,有着较明显的社团结构,相比其他五种对比算法该算法在划分社团结构时具有明显的优势。