自然界中存在的大量的复杂系统都可以用网络对其进行建模,社团结构是在各类网络中都普遍存在的一种结构特性。将网络中的结点划分到不同的社团,呈现这样的现象：社团内的结点联系紧密,社团间的结点联系稀疏。挖掘网络的社团结构对于理解网络的功能与行为有着重要作用。除此之外,对社会网络的传统分析方法是把社交网络看成是一个静态图,这些研究忽视了网络数据的一个重要特性,即网络的动态演变性。由于忽视了演变特性,就无法发现网络的社团结构随时间的动态变化过程。基于网络的动态改变性质,从动态网络中识别出社团具有很强的现实意义。针对网络的演变特性,为了发现动态网络的社团结构并跟踪其演变模式,提出社团演变算法FEDN。首先提出了一个基于结点结构相似度的静态网络社团发现算法CDA,通过查找与结点互为紧密结点对的结点,并以合并该结点对后模块性的增益是否为正来作为是否合并的标准,迭代地进行该过程直至所有结点都被划分到社团中。将动态网络建模成不同时刻的网络序列,对任意时刻的网络应用CDA得到不同时刻的过程社团集合。然后,根据社团演变事件的特征,形式化社团演变事件模型,计算过程社团与前一时刻时间序列社团集合的相似度,得到其演变方式。最终得到能够真正反映社团结构的稳定的社团集合以及社团演变的多条轨迹。本文不是针对个体的演变,而是从宏观的角度来观察社团的演变。通过在真实数据集以及合成数据集上进行实验,验证了算法的可行性及有效性。