动态社区发现和演化分析是当前复杂网络研究的热点内容。现有的动态社区发现方法一般采用基于增量的局部更新策略,仅仅对网络增量部分采取相应策略更新计算,然后重新划分这部分节点的社区归属。基于增量的方法在很大程度上提高了算法效率。但是,复杂网络中的节点之间存在相互作用,增量部分会对其周围的节点产生影响,仅将动态更新范围局限于网络增量部分,容易造成社区划分结果的偏差,而这些偏差会随着时间的推移不断累加。对于社区演化分析的研究,目前的大部分方法过于依赖外部参数,导致算法适用性不高,还有方法的社区演化状态识别机制复杂,不易实现。本文提出基于局部更新的动态社区发现方法。该方法首先利用拓扑势场自然呈现的峰谷结构,根据节点在拓扑势场中的位置特征对社区进行初始划分。然后,在对动态社区更新时,充分考虑了复杂网络中增量部分对其周围节点的影响,将动态更新的范围从增量部分扩大到其影响范围内,最大限度的避免传统局部更新所造成的偏差。实验结果证明该方法能准确地进行动态社区发现,并且能有效地避免错误偏差的累加。本文提出基于核心节点的社区演化分析方法。该方法利用核心节点在社区结构中的稳定性,通过检测网络每个时刻核心节点的变化分析判定社区的演化状态,简化了社区演化的分析机制。该方法以拓扑势为基础,通过搜索拓扑势场中的峰位节点作为核心节点,根据峰位节点特征判定核心节点数目和属性变化情况,避免了对外部参数的依赖,提高了算法的适用性。实验表明,该方法能较好地检测出社区结构演化状态。