近年来，社团结构的侦测已成为复杂网络研究领域的热点问题之一。社团是复杂网络中普遍存在的一种特征结构。侦测和分析社团结构对于人们了解把握复杂系统（生物分子网络、蜂窝网络、社交网络等）的结构特性、内部规律等都具有重要的理论意义和应用价值。 真实情境中，复杂网络链路受环境变化或工作方式影响常常呈现不稳定性和不对称性，而目前大量的社团侦测算法都仅考虑静态网络，且假设链路对称。这些假设大大降低了已有算法的鲁棒性和可靠性。针对社团结构的侦测问题，提出了适用于含有不对称链路网络和动态网络的交叠社团结构侦测算法。 首先，对复杂网络及社团结构的基本特性进行了研究，重点分析了社团结构的交叠性和层次性，对现有的社团结构侦测算法进行了分类总结，并发现目前多数算法主要集中研究静态的对称网络，缺乏对网络链路不对称性和动态性的考虑。 其次，基于链路的不对称性和社团结构的层次性、交叠性，提出了基于链路权值比重的模块度函数和基于此模块度函数的FHOCAN算法。该函数能够有效侦测复杂网络中的社团结构，且能够侦测社团间的交叠区域. 再次，基于FHOCAN算法，提出了适用于动态网络的社团结构侦测算法AFHOCAN。该算法通过分析单位时间网络的基本变化对局部社团结构的影响，进而推断出此时刻整个网络的社团结构。 最后，利用人工数据集和真实数据集对FHOCAN和AFHOCAN算法性能进行了实验验证，并与现有经典算法做了对比分析，证明了这两种算法在社团结构侦测的准确率和鲁棒性上均有较好的性能。