近年来,互联网和物联网的融合与发展,吸引众多学者对复杂网络进行研究。复杂网络的研究在众多领域具有重要的应用价值,例如在生物领域检测蛋白质作用的复合体,在商业领域进行商品推荐,在公共安全领域预防犯罪活动等。本文基于平均互信息最大化和极大团局部扩张的思想,提出一种新的社区发现算法MCGE以及并行化算法PMCGE。本文的研究内容如下:(1)针对现有局部扩张算法准确度不高的问题,引入了平均互信息来计量整个网络的节点信息,从而提高了算法的准确度。(2)针对现有局部扩张算法仅适用于发现重叠社区结构的场景,对重叠节点进行二次处理,将重叠节点划分到单一社区,进而发现非重叠社区结构。(3)针对现有算法存在大量孤立节点的问题,对孤立节点进行处理,使得网络的节点得到最大化划分。(4)针对MCGE算法处理大规模网络耗时大的问题,通过引入Open MP技术对原算法并行化改造,提出P-MCGE并行化算法,实验证明P-MCGE算法处理大规模复杂网络的速度得到显著提升。本文采用多个典型的真实网络数据集与人工网络数据集对算法进行实验,在非重叠社区发现实验中,使用标准化互信息(NMI)作为评价标准,实验结果表明本文算法总体上优于FN、GN、IE、LPA等算法;在重叠社区发现实验,使用标准化互信息(NMI)和改进重叠模块度作为评价标准,与LFM、CFinder、SLPA、HMLPAi、GCE、OCDDP、SLPA、COPRA、Speak Easy、Multiscale、CMNN等算法进行比较,实验结果表明本文算法总体上表现最优。