揭示复杂网络中存在的社团结构是一个重要的数据分析任务，具有广泛应用前景。当前研究主要是针对结点社团发现；一些最新研究表明，链接社团发现或许能更好揭示网络中的复杂结构。本文从结点社团发现和链接社团发现两方面分别开展研究。针对结点社团发现问题，我们提出一个多层次蚁群算法MABA，它包含一个单层蚁群算法SABA作为子过程。单层算法SABA结合自避免的标签散播技术与模拟退火策略，通过使每只蚂蚁局部优化模块性函数Q来实现社团探测。多层算法MABA首先执行子过程SABA，获取网络社团结构；然后将社团视为结点、社团间的链接视为加权边，构建上层网络；之后在新的上层网络上再次运行SABA。该过程不断迭代，直到Q函数不在增加为止。实验表明，MABA可在近线性时间内发现高质量的结点社团结构。针对链接社团发现问题，我们提出一个基于链接动力学的方法UELC。首先设计链接-结点-链接随机游走过程，揭示网络中潜在的二分结构；然后分析该随机过程对应马尔科夫链的局部混合特性，将上步呈现的两个链接社团抽取出来；最后通过引入一个迭代二分策略，可得到具有任意社团数的链接社团结构。实验表明，UELC在效率、精度两方面较当前算法均有明显提升。此外，我们基于结点在社团中构成链接的重要程度，提出了一个描述链接社团结构的生成模型。然后将模型学习转化为一个优化问题，通过非负矩阵分解来求解。为自动确定社团数目，我们将迭代二分策略引入该方法。新的扩展方法不仅可自动发现社团数目，而且具有更高的效率。在人工及真实网络上进行测试，并与已有算法进行比较，验证了文中方法的有效性。