近年来，随着对复杂网络研究在数学，生命科学，社会学及工程科学等众多领域的不断深入，人们渐渐意识到复杂网络对于认识人工或自然系统的重要作用。对复杂网络定量和定性的科学理解已成为网络时代科学研究中的一个重要课题。　　本文在对原有的振荡器相位同步模型和社区检测算法进行广泛研究的基础上，总结和借鉴了各种算法和模型的利弊，提出了一种更加优化的耦合振荡器相位同步模型，和一种更有实际价值，更加有效率的社区检测方法：基于网络动力学的社区检测方法。同时，针对在社区检测过程中，网络中的连接随动力学过程的变化而变化的特点，将功能性子网络的概念引入社区检测过程中，从连接的变化过程来研究网络的功能及进化过程。现将全文的内容总结如下：　　(1)振荡器相位同步模型的改进方法与实现。以原有的Kuramoto振荡器模型作为基础，加入负耦合强度，使互相不存在连接的节点的相位在振荡过程中相互分离，以此形成不同的同步簇。在相位振荡过程中，同一个组内部的节点连接较为紧密，正耦合系数作用较多，因此它们的相位逐渐趋于同步的状态。而不同组间的节点，由于负耦合系数作用较多而使相位分离。通过这种机制，整个网络会分为几个平均相位不同的同步簇。我们在计算机生成网络上进行了仿真，以对此改进的模型进行检验。　　(2)基于网络动力学的社区检测方法。在此方法中Kuramoto耦合振荡器模型得到了推广，网络能够达到同步或者根据拓扑结构分为几个社区。如果所有的节点之间都有紧密的连接，那么将会出现同步现象。如果网络由几个组构成，并且组内的连接紧密而组间的连接稀疏，那么最终网络将会根据每个节点的相位而被分成几个同步簇。网络通过这种聚类现象会被划分为几个社区。　　(3)功能性子网络在社区检测中的进化过程。我们提出了一种由特殊功能的连接构成的子网络，并且在社区检测过程中，子网络内的连接会随着局部网络的动力学过程而更新。从一个随机的情况开始，在子网络中的连接将会随着动力学过程而逐渐的稳定到一个只由网络的拓扑结构而决定的特殊形式。此外，随着连接功能的稳定，网络的动力学也会逐步向一个同步的聚类形式进化。我们通过实验仿真说明了功能子网络的进化过程及对网络结构和功能的影响。　　本文工作得到了国家自然科学基金(No.61072139)的资助。