近年来，随着科技的发展，人们发现现实世界中的真实网络并不是随机的，也不是规则的，而是呈现一定规律的复杂网络。随着研究的深入，人们逐渐发现大多真实网络都存在一个共同的性质，即社团结构，发现和分析复杂网络中的社团结构能够促使人们对整个网络的结构和功能进行深入的理解。随机行走作为网络动力学过程的一种基本形式，对于揭示网络动力学过程的普遍规律具有重要的意义。除此之外，利用随机行走的方法还可以快速有效的发现社团结构，探索目标节点和未知路径，控制网络上的数据传输。　　本文主要完成以下工作：　　(1)研究经典的社团分割算法，分析并比较它们各自的优缺点。　　(2)利用网络中的社团对粒子在网络上随机行走的影响，引进了映射方程，通过最小化随机行走轨迹的单步编码长度来发现网络的社团结构。　　(3)根据社团内部节点与社团外部节点之间的联系密切与稀疏，导致粒子在社团内部与外部之间的转移概率的不同，采用了“强化簇内连接，弱化簇间连接”这一思想策略，利用这一策略，通过随机行走的方式使网络簇结构逐渐的呈现出来。　　(4)改进了基于随机行走的社团分割算法，在将网络中的社团进行矩阵融合时，优化了一种基于临界值的社团融合方式，首先设定一个社团间相似度元素的临界值λ，然后将相似度大于λ的社团进行融合。