多年以来，寻找网络社区结构一直是复杂网络领域研究的一个热点。科学家们根据单分网络、二分网络、有向网络等各自的特点，来分别寻找出多种不同的社区探测方法。最近，我和组里的博士生詹卫华同学，以及关佶红教授、周水庚教授组共同完成了一个网络上社区探测的相关工作。我们发现，上述三种网络的社区挖掘其实可以统一到一个一般性的构架下，即二分图上的社区挖掘。然后，我们提出了一个有重要改进的自适应遗传算法，用于寻找网络上社区结构。同时，我们做了大量的实验，结果发现，无论是单分网络还是二分网络，我们的方法都要优于目前现有的其它方法。

相关结果已被《Physical Review E》录用，拟于近期发表。以下是文章的中文摘要，欢迎同行多提宝贵意见。

　　摘要：揭示网络结构和网络动力学关系的重要一步是探测网络的社区。为了识别不同类型的网络（如单分网络、二分网络、有向网络）上社区结构，目前研究学者已分别提出了许多方法。在本项工作中，我们揭示了探测单分网络、二分网络和有向网络上的社区结构可以统一到一个一般性的框架——检测二分网络的社区结构；随后，我们进一步提出了一种有效的演化方法，用于检测二分网络的社区。为了达到这一目的，我们首先说明了单分网络和有向网络可以转换为二分网络，它们的模块度与二分网络的模块度完全一致。检测二分网络社区可以形式化为最大化模块度，为了优化二分模块度，我们提出了一种改进的自适应遗传算法（Modified adaptive genetic algorithm, MAGA），这一算法可以非常有效地用于网络上的社区检测。MAGA有效性的原因在于我们所做的如下三个方面的改进。第一，我们为基因座的信息性（informativeness）引进了一个新的度量以代替标准偏移，新度量可以准确地确定需要变异的基因座。这一度量是基因座在当前种群上的等位基因分布和它的随机分布的偏置，即两种分布的Kullback-Leibler 距离。第二，我们发展了一种重分配技术，以区分基因座的信息态和初始的随机态。第三，我们提出了一种改进的变异规则，它可以保证MAGA收敛于全局最优，并且可以加速收敛过程。大量的实验结果显示，如果以模块度大小来度量社区，用MAGA挖掘二分网络和单分网络的社区，其效果超过了当前其它有竞争力的算法。

已发表的PDF版本。