网络簇结构是复杂网络的一个重要属性，它体现着簇内节点相对紧密，簇间节点相对稀疏的拓扑结构特征。利用聚类分析的技术发现网络中的簇结构，是了解网络特征，分析网络行为的重要手段，对揭示复杂网络中蕴含的知识具有重大的意义。近年来，有关复杂网络的聚类算法不断地被提出，但随着网络规模增大，如何在无需先验知识的情况下，快速准确地对网络聚类，仍然是一个具有挑战性的课题。多智能体进化机制是从遗传算法演变而来，通过模拟自然界的进化过程来寻找问题的最优解。多智能体进化聚类算法将智能体的局部感知能力、自适应能力与传统进化算法的搜索方式相结合，在解决复杂网络聚类问题时无需先验知识，具有收敛速度快、精度高和鲁棒性的特点。本文将基于多智能体进化机制的思想，解决在社会网络中的社团发现和PPI网络中的蛋白质功能模块检测这两种复杂网络中的聚类问题。主要工作包括如下两部分：（1）面向社会网络的社团发现问题，我们设计了基于多智能体进化的网格环境，其中每一个智能体代表着社团发现问题的候选解。首先，我们采用基于链式的编码方式，将网络聚类问题转化为进化系统可以识别的智能体编码信息。每个智能体利用随机游走的行为，构建了网络的初始划分。然后，我们设计了包括竞争、交叉和自适应变异在内的三种在进化环境中操作的进化算子，通过智能体之间的信息交互，实现解的进化。最后，我们将算法应用在真实网络和人工合成的网络中进行实验，实验结果表明了算法能够有效地发现社团结构。（2）基于前一工作，我们对多智能体进化机制作出了一些改进，以完成PPI网络的功能模块检测。首先，针对PPI网络连接的稀疏性和多噪声，我们在启发函数中融合了基因本体论的功能注释信息，提高了节点之间相似性度量的准确性，改进了随机游走获得的解质量。其次，我们对一些进化算子进行了重新设计，提高了算法的搜索能力。最后，在进化过程结束后，我们设计了两种后处理策略，进一步优化了聚类结构，提高了功能模块检测的准确性。在三个标准数据集上的系统化实验表明，与其他算法相比，我们的算法在蛋白质功能模块检测的精度、准确率等方面都具有明显的优势。