نظریه ی نوین شبکه ها مایه ی افزایش چشم گیر دریافت ما از سامانه های پیچیده شده است. یکی از ویژگی های مهم شبکه هایی که نمایان گر سامانه های واقعی هستند، ساختار اجتماعی، یا خوشه ایِ آن ها می باشد؛ یعنی جای گرفتن رئوس در گروه های ویژه، به گونه ای که انباشتگیِ یال ها درون این گروه ها بسیار و میان آن ها کم است. شناساییِ این گروه ها که خوشه ها و یا جوامع نامیده می شوند از ارزش ویژه ای در دانش اجتماعی، زیست شناسی، دانش رایانه ای و شاخه های دیگر دانش که به بررسیِ سامانه های پیچیده می پردازند، برخوردار است. در سال های گذشته چاره اندیشیِ فراوانی انجام گرفته و الگوریتم های گوناگونی پیشنهاد شده است. اندازه ی شبکه های بررسی شونده در بیش تر موارد بزرگ است و زمان اجرای الگوریتم های پیشنهادی با افزایش اندازه ی شبکه ها طولانی تر می گردد؛ ازاین رو الگوریتم هایی که نرخ افزایش زمان بریِ اجرای آن ها با افزایش اندازه ی شبکه کم تر است مورد توجه بیش تری می باشند. در این پایان نامه چند روش متفاوت برای شناسایی جوامع در شبکه های پیچیده را بررسی خواهیم کرد و پس از پیاده سازیِ این الگوریتم ها، به مقایسه ی آن ها از نظر زمان اجرا و هم چنین توانمندی هر یک از آن ها در شناسایی هر چه دقیق تر جوامع، و تشخیص سازمان یافتگیِ سلسله مراتبی و نیز تشخیص جوامع هم پوشان، خواهیم پرداخت. در نهایت روشی ارائه خواهیم داد که علاوه بر داشتن دقت کافی در شناسایی جوامع یک شبکه ی پیچیده، از نظر زمان بریِ اجرا نیز در حد قابل قبولی باشد.