在现实世界中,许多的真实系统都可以建模为复杂网络,比如常见的社交网络、交通网络、计算机网络等等。在复杂网络中节点往往呈现出集群特性,社区发现是用以揭示网络中节点集群行为的方法。社区发现算法可以帮助我们更好的分析网络和理解网络功能,在实际中也具有十分广泛的应用前景,如个性化推荐,影响最大化等。网络的鲁棒性指网络的健壮性,当网络遭受到攻击时,网络的结构完整性会受到损坏,从而造成系统功能的损失。网络鲁棒性用来衡量复杂网络遭受攻击时网络完整性的一个重要指标。研究网络的鲁棒性可以帮助我们构建稳定的网络结构,从而使得实际系统免受恶意伤害。本文主要研究复杂网络的重叠社区发现和针对特殊桥节点攻击下的社区鲁棒性,在这两个工作中我们分别使用了Memetic算法和模拟退火算法,均取得了良好的效果。本文主要工作包括以下两个部分:1、重叠社区检测算法是用来发现网络中的重叠社区。基于传统的模块度和模块度密度优化函数,结合网络中全部节点对每个社区的隶属度提出了模糊度评价指标,该指标能够发现不同分辨率下网络的社区结构。本文将该问题建模为一个单目标优化问题,提出了一个新的Memetic算法,通过优化模糊度评价指标检测复杂网络中的重叠社区结构。在新提出的算法中我们重新设计了交叉、变异操作,同时使用模糊K均值作为局部搜索策略。在真实网络中的实验表明,与模块度和模块密度函数相比,所提出的模糊度评价指标能够检测到不同的分辨率下的社区结构,同时该算法可以有效地找到网络中的重叠社区。2、网络的鲁棒性描述了网络出现故障或者被攻击情况下,能够维持其功能和结构完整性的能力,因此提高网络的鲁棒性是非常必要的。本文将对社区结构的鲁棒性提高问题进行建模,提出了一种基于模拟退火算法的社区鲁棒性优化方法。在文中首先使用传统的社区检测算法对网络进行划分,然后提出了一种新的桥节点攻击方式,实验表明该攻击模式可以高效地破坏网络中最大联通子图和社区结构完整性。随后提出了一个评估桥节点攻击下社区完整性的指标。同时为了保持优化的网络与原始网络的社区结构的一致,该算法增加了一个新的约束条件。实验证明了该算法能够有效的提高该攻击模式下的社区鲁棒性。