社团结构作为复杂网络的一个重要属性成为复杂网络的重点研究方向,社团结构的挖掘对于深入理解网络的结构及特征有着重要意义,因此准确快速地挖掘出复杂网络中的社团结构是目前复杂网络研究的重中之重。虽然学者们相继提出许多社团挖掘算法,但是这些算法仅能得到非重叠的社团结构。在真实世界的复杂网络中往往存在着重叠的社团结构,这样非重叠的社团挖掘算法不能准确获取重叠的社团结构,因此对重叠社团的挖掘算法需要进一步研究。多标签传播算法(Community Overlap Propagation Algorithm,COPRA)是在标签传播算法的基础上提出的一种可以用于挖掘重叠社团结构的算法,它继承了标签传播算法的简单、高效的优点,但也延续了标签传播算法的随机性强、鲁棒性差等缺点,针对这些问题,本文提出了一种改进的多标签传播重叠社团挖掘算法,主要工作如下:1.对复杂网络的相关理论和现有的非重叠和重叠社团挖掘算法进行了研究。简述了复杂网络的基本理论知识,介绍了非重叠和重叠社团挖掘算法的研究现状,重点分析了几种非重叠和重叠社团挖掘算法的基本思想和实现步骤,并指出其各自的优缺点。2.针对COPRA算法中采用随机更新顺序问题,通过LeaderRank排序算法对网络中所有节点进行重要性排序从而确定节点的更新顺序,有效减少了标签传播过程中不必要的更新,加快了算法的收敛速度,提高了算法的效率。3.针对COPRA算法中标签更新策略存在随机性造成最后得到的结果稳定性较差,以及需要额外输入参数v的问题,利用节点间相似性和领导标签重新设计了标签的更新策略,使得改进的标签更新策略得到的结果更加稳定,且不需要输入额外的参数。通过在真实网络和人工网络数据集上进行实验分析,结果表明,改进后的多标签传播重叠社团挖掘算法的稳定性更高,得到的社团质量有明显提高。