بسیاری از سیستم های واقع در جهان مانند شبکه های اجتماعی انسانی، شبکه های حمل ونقل، و اینترنت، به وسیله ی شبکه های پیچیده نمایش داده می شوند. این شبکه ها ویژگی های مهمی دارند. یکی از این ویژگی ها که توجه خاصی را به خود جلب کرده، ساختار جامعه است. در سال های اخیر، تلاش های تحقیقاتی به سمت شناسایی ساختار جوامع شبکه های پیچیده، افزایش یافته است. کشف ساختار جامعه، نقش عمده ای در درک ساختار توپولوژیکی شبکه دارد. این مسئله می تواند به استخراج اطلاعات مهم از شبکه، کمک کند. در این پایان نامه، دو روش جدید تشخیص جامعه ی ، مبتنی بر تغییریافته ی الگوریتم بهینه سازی ازدحام ذرات ارائه می شود. در روش اول، ابتدا مجموعه ای از راه حل های تصادفی تولید می شود. سپس راه حل ها در فضای جستجوی مسئله، با هدف بهینه کردن یک تابع کیفیت مناسب، حرکت می کنند. نوآوری ما در الگوریتم بهینه سازی ازدحام ذرات، تغییر استراتژی حرکت راه حل هاست. روش پیشنهادی دوم بر اساس استراتژی جستجوی روش پیشنهادی اول، ارائه شده است. در روش دوم، مفهوم بهینه سازی چندهدفه را به کار می بریم، که در آن دو تابع هدف مناسب انتخاب می-شود. سپس با استفاده از یک روش مناسب، به حل مسئله ی بهینه سازی چندهدفه می پردازیم. عملکرد روش پیشنهادی اول، با سه روش تشخیص جامعه ی دیگر مقایسه شده است. نتایج آزمایشات بر روی مجموعه داده های مصنوعی و واقعی، بهبود چشمگیری را ازنظر سرعت همگرایی و ماژولاریتی، در مقایسه با سه روش دیگر نشان می دهد. روش پیشنهادی دوم را با شش روش شناخته شده ی دیگر مقایسه کرده ایم. نتایج آزمایشات روی شبکه های مختلف، دقت بالای روش دوم را در شناسایی جوامع واقعی این شبکه ها تأیید می کند.
