随着复杂系统科学的不断发展以及社交网络、移动通信网络等现实网络的不断推动作用,复杂网络的研究备受关注。在研究中,学者们发现社区结构存在于复杂网络之中,并且社区结构对于理解复杂网络的结构和功能有着至关重要的地位,因此,许多研究者投入到对社区结构发现的研究中,与此同时,重叠社区发现问题也成为了近年来的热门问题之一,但该问题至今仍未得到完美的解决。本文通过研读近年来具有代表性的文章,总结目前典型的重叠社区发现算法,分析其优点和不足之处,在此基础上提出了一种基于极大团的重叠社区发现算法,并对其进行了并行化的实现。首先,极大团是本文提出的重叠社区发现算法的基础,同时结合极大团结构的特点,对其枚举过程提出了4种剪枝策略,过滤掉了搜索过程中不必要的搜索,提高了搜索效率。其次,针对重叠社区发现过程中的三个步骤,提出了基于重叠极大团的社区种子的选择方法；基于序列突变的顶点加入策略以及基于拓扑结构的社区验证方法。这些方法在一定程度上提高了重叠社区发现的准确性和效率。最后,根据本文提出的极大团枚举算法和重叠社区发现算法,对其并行化的可行性进行了分析,同时在BSP系统上进行了并行化的实现。总之,本文主要研究了基于极大团的重叠社区发现问题,并针对其中的不足,提出了高效的解决方案。大量的实验验证了本文方案的高效性和准确性。