随着移动互联网、物联网等技术的迅猛发展,获取复杂网络中的社区结构这一问题逐渐成为研究热点。复杂网络的社区结构有助于了解网络的拓扑结构,为复杂网络的进一步研究提供重要依据,因此获取复杂网络的社区结构具有十分重要的意义。社区发现算法是能够对复杂网络的社区结构进行准确划分的一类算法。目前有关社区发现算法的研究多数是针对无权复杂网络展开的,然而现实生活中有权网络更具有实际应用价值。此外,主流的评价指标模块度存在分辨率限制问题(Resolution Limit),导致部分算法无法发现网络中较小的社区。因此,针对上述存在的一些问题,本文对复杂网络的社区发现算法展开相关研究,主要内容包括以下几个方面:(1)借鉴模块度优化算法的思想,将平均互信息和模块度相结合作为目标函数,提出一种基于平均互信息的有权网络社区发现算法AMI-CDW,该算法同时适用于无权网络和有权网络。然后阐述了算法的核心思想和具体执行过程。最后,将该算法与其他无权网络社区发现算法和有权网络社区发现算法进行对比实验,实验结果表明,该算法无论是在有权网络上还是在无权网络上,都具有较高的社区划分准确度。此外,在部分数据集上的实验结果表明,平均互信息评价标准能够一定程度缓解分辨率限制的问题。(2)为了进一步提高AMI-CDW算法的运行效率,对AMI-CDW算法进行详细分析,寻找执行过程中较为耗时的阶段。将较为耗时的阶段使用JUC框架进行并行化处理,充分利用现代计算机的多核性能,以提高算法的运行效率。经实验证明,并行化的算法在保证结果准确度的前提下,显著提高了原算法的执行效率。总体来看,AMI-CDW算法在无权网络和有权网络上进行社区划分是有效的。通过将算法并行化也能够有效提高算法的运行效率。