随着信息技术的迅猛发展,人类生活中存在各式各样的大规模网络。复杂网络的广泛存在,使得对其研究变得非常必要。而对复杂网络的研究包括复杂网络拓扑结构统计特性及分析、复杂网络演化模型和生成机制、复杂网络的动力学研究和复杂网络社团结构及划分四大方面。其中探测复杂网络社团结构及划分有利于了解整个网络的结构及特征,能够指导人们进行决策,具有很强的现实意义。　　目前,很多学者已提出了各种复杂网络社团划分算法,并取得了一定的成就。但是,大部分算法还存在一定的缺陷,如社团划分算法的时间复杂度较高、算法运行时结果不够精确、以及需事先知道社团内的节点数目和社团个数,因而不适用于大型的复杂网络分析。鉴于此,本论文提出了一种基于GEP多基因族编码的复杂网络社团划分算法,并且通过实验检验了该算法的优越性。　　本论文所做研究及创新点如下:　　(1)提出了一种新的适用于复杂网络社团划分的编码方案。本文引进了一种新的编码方案,称为多基因族编码。该编码设计方法是利用基因表达式编程(GEP)中多基因族编码的特性,即将节点和社团类型分别编码在属于同一条染色体中的两个不同的多基因族中,此编码方案克服了传统的树型编码的缺陷。　　(2)提出了一种基于GEP多基因族编码的复杂网络社团划分方法。利用基因表达式编程所具有的组合优化的专用算子,如倒置、限制交换、概化交换、基因删除/插入和序列删除/插入,比经典的遗传算法更具高效性。在本文中,引入了倒置算子和限制交换算子,促进了算法的收敛,有效降低了算法的时间复杂度。而且仿真实验结果说明此算法较传统的复杂网络社团结构划分方法具有更高的效率和精确度。　　(3)提出了一种基因表达式编程演化时引进精英迁移策略。将精英迁移策略运用到基因表达式编程演化的各个遗传阶段,如选择、交叉、倒置、变异、限制交换。即对于某一代种群中的所有染色体,分别找出遗传算子在修饰前与修饰后的最优个体,如果修饰前的最优个体优于修饰之后的最优个体,则用修饰前的最优个体替换修饰后种群中最差的个体。不仅可以控制遗传的演化方向,而且提高了每一代种群的平均适应度,使得种群个体的平均适应度值和最优适应度值呈现同步增长的趋势,有效的避免了因某个个体演化过快而产生的早熟现象。