现实中的很多复杂系统都可以通过复杂网络进行描述,为了对复杂系统进行深刻的理解,进而解决现实中存在的问题,人们不断对复杂网络许多特征进行深入研究,这些特性包括统计特征、演化规律、功能特征等等。对复杂网络这些数学特征和物理意义的研究过程中,研究工作人员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对于理解和反映整个网络的结构和功能具有很重要的作用。因此越来越多的研究工作人员投入到社团发现的工作中,社团发现无疑已经成为近年网络领域的焦点问题。　　通过对社团发现的深入研究,人们发现网络往往有多尺度的社团结构,不同尺度的社团结构体现着网络不同的功能,小到几个节点之间的关系,大到具有数百个节点聚集起来的群组,这就开启了另一个问题的研究一多尺度社团的发现。针对这一问题,本为提出了一种基于映射方程随时间演化的多尺度社团方法,通过实例并验证该方法的可靠性。　　本文主要完成以下工作:　　(l)研究经典的社团发现算法,分析了复杂网络社团结构挖掘的一般方法。　　(2)提出了基于时间演化的稳定性来发现多尺度社团结构,该方法通过研究随机行走过程中的自协方差,发现通过计算网络划分稳定性保持的时间长短可以挖掘多尺度社团结构。　　(3)随机行走过程中不同网络的社团的划分影响着随机行走最短路径长度,我们通过最小化随机行走轨迹的单步编码长度提出了发现社团结构的方法一映射方程(map of equation)。　　(4)将基于时间演化的稳定性方法与映射方程相结合提出一种基于时间演化的映射方程的方法来发现多尺度社团。　　(5)对不同尺度社团之间的嵌套性和鲁棒性进行分析。