社團的數(shù)目和時間平滑性的平衡因子一直是基于進化聚類的動態(tài)網(wǎng)絡(luò)社團發(fā)現(xiàn)算法的最大的問題．提出一種基于標簽的多目標優(yōu)化的動態(tài)網(wǎng)絡(luò)社團發(fā)現(xiàn)算法（LDMGA）．借鑒多目標遺傳算法思想，將進化聚類思想轉(zhuǎn)換為多目標遺傳算法優(yōu)化問題，在保證當前時刻的聚類質(zhì)量的同時，又能使當前聚類結(jié)果與前一時刻網(wǎng)絡(luò)結(jié)構(gòu)保持一致．該算法在初始化過程中加入標簽傳播算法。提高了初始個體的聚類質(zhì)量．提出基于標簽的變異算法。增強了算法的聚類效果和算法的收斂速度．同時，多目標遺傳算法和標簽算法的結(jié)合使算法可擴展性更強，運行時間隨著節(jié)點或者邊數(shù)目的增加呈線性增長．將該算法與目前的優(yōu)秀算法在仿真數(shù)據(jù)集和真實數(shù)據(jù)集上進行對比實驗，結(jié)果表明，該算法既有良好的聚類效果，又有良好的擴展性．