امروزه تحلیل شبکه های اجتماعی نقش مهمی در تحقیقات دارد، از نظر ساختاری، اجزای اجتماعات و گروهها در شبکه های اجتماعی شامل گروه های اجتماعی هستند که شناسایی اجتماعات، یافتن ساختارهای اجتماعی که در آنها افراد دارای ویژگی های مشابهی هستند از چالش های مهم است. از نظر رفتاری، چگونگی انتشار گونه های مختلف اطلاعاتی در شبکه و بیشینه سازی انتشار با استفاده ازمجموعه کوچکی از نودهای انتشار دهنده از چالش های مهم در مطالعه پدیده گسترش انتشار در شبکه های اجتماعی است. با توجه به اهمیت موارد مذکور، در این پایان نامه، در ابتدا سه روش برای شناسایی اجتماعات در شبکه های اجتماعی پیشنهاد شده است. در روش اول الگوریتمی با استفاده از عنصر حافظه تحت عنوان mlpa پیشنهاد شده است. در روش دوم، با استفاده از چندین شاخص مشابهت ساختاری میان نودهای شبکه تحت عنوان ilpa برای بهبود الگوریتم انتشار برچسب پیشنهاد شده است. روش سوم بر مبنای ترکیبی از دو روش قبلی است که استفاده از الگوریتم بهینه سازی کلونی مورچگان برای یافتن اجتماعات براساس بیشینه سازی ماژولاریتی تحت عنوان antlpa پیشنهاد شده است. در بخش آخر، با توجه به این ویژگی که اکثر شبکه های دنیای واقعی دارای ساختارهای گروهی هستند، استفاده از شناسایی ساختار اجتماعات توسط الگوریتم های پیشنهادی مذکور و سپس گسترش انتشار از طریق مجموعه کوچکی از نودهای اولیه در اجتماعات مختلف پیشنهاد شده است. همچنین برای انتخاب نودهای تاثیرگذار اولیه نیز الگوریتمی مبتنی بر پیمایش مورچگان در شبکه پیشنهاد شده است. در پایان، به منظور ارزیابی روش های پیشنهادی، شبیه سازی هایی بر روی دادگان محک استاندارد واقعی شبکه های اجتماعی و ساختگی lfr انجام شده است. الگوریتم های پیشنهادی برای شناسایی اجتماعات در مقایسه با سایر الگوریتم ها از نظر معیارهایی چون ماژولاریتی، nmi و همچنین معنادار بودن اختلاف نتایج از نظر آزمون آماری-تی مورد بررسی قرار گرفته است. همچنین آزمایشاتی نیز برای بررسی الگوریتم پیشنهادی انتخاب نودهای تاثیرگذار اولیه و رویکرد پیشنهادی برای انتشار از طریق نودهای اولیه در اجتماعات مختلف نیز در مقایسه با سایر روش های انتخاب نود اولیه تحت مدل انتشار آستانه خطی و براساس آزمون آماری-تی صورت قرار گرفته است. کلمات کلیدی: شبکه پیچیده، شبکه های اجتماعی، شناسایی اجتماعات، گسترش انتشار، بهینه سازی کلونی مورچه.