提出了一种局部扩展的遗传优化重叠社区发现（LEGAOCD）方法。借鉴局部扩展的重叠社区发现方法的思想，首先将少数的核心节点构成模体；同时，利用三角形模体来判断社区的稳定性度量问题，从而量化社区结构稳定性；然后通过改进的遗传优化算法策略分配它们应归属的社区；最后通过两个评价目标函数得到高质量的重叠社区结构。该算法在数据集上与经典的CPM、COPRA作比较，实验结果表明，LEGAOCD方法在检测重叠社区结构和重叠节点方面具有较优的性能。