在复杂网络中,社团结构是一种重要的拓扑结构属性,研究网络的社团发现是网络分析学的一个重要方向。所谓社团结构,是指社团内部相连接的边比较紧密,而社团之间相连接的边相对比较松散。在复杂网络中一些具有实际意义的实体通常表示为网络中的社团,社团发现对于理解复杂网络中的性能属性、揭示网络中的内在结构等方面具有重要的意义。近年来,研究者们对于社团发现取得了一些研究成果,提出了众多的社团发现算法,在社团划分中,主要是从某一个粒度层面对实际网络研究分析发现其社团结构。然而在实际网络中,社团结构的许多层面对网络功能的有影响,在单一粒度下划分不易于直观的分析社团。因此需从多粒度、多层次的角度来发现社团。本文主要是关于复杂网络中社团发现相关问题展开的研究,根据网络的拓扑结构信息分别从单一粒度下基于邻居节点搜索的社团发现来和多粒度下对网络粒度的粗细变化来分析发现社团,针对复杂网络中社团发现方法,本文做了以下工作：1.首先对社团发现算法的研究现状做出了概括和总结,并简要分析了各种算法的适用范围及各自的优缺点。2.针对复杂网络中社团发现方法在单粒度下提出了一种基于邻居节点的社团发现算法。首先选取网络中的度数最大的节点,将其作为网络中的社团核心开始搜索。然后将满足一定的定量条件的邻居节点加入到社团中,并对剩余的节点重复上述步骤,直到没有满足条件的节点为止。最后对不满足条件的节点采用邻居节点投票法决定其所属社团,最终形成多个互不相交的社团。3.对复杂网络中单粒度下的社团发现算法进行了扩展研究,提出多粒度社团发现方法。首先在单一粒度下利用有效的社团发现算法得到整个网络的社团结构信息。然后通过网络的粒度的改变来观察挖掘网络中的社团,将已知的社团构成新的网络拓扑结构,继续重复挖掘社团,通过粒度粗细的变化,观察不同粒度的社团,直到符合分析要求为止。4.研究了网络的社团划分方法,并利用它们对本文的算法和已有的经典算法进行比较,验证了本文算法在复杂网络中发现社团在运算效率和准确性上的有效可行性。