社区结构作为复杂网络的重要特性，对理解网络的功能和结构具有重要意义。为了解决复杂网络的社区发现问题，提出了一种多目标五行环优化算法（MOFECO）。首先，将社区发现问题建模为多目标优化问题，选取反比率关联（RA）和比例缩减（RC）这两个互相对立的目标作为目标函数；然后，基于五行环模型（FECM），通过局部最优解和全局最优解实现元素的更新，并引入交叉和变异算子对更新策略进行改进；最后，使用快速非支配排序的方法获得Pareto最优社区划分集合，有助于揭示复杂网络的层次结构。在人工合成网络和真实社会网络上进行实验，与单目标算法（Ga-net，Meme-net）以及多目标算法（MOGA-Net，MOCD，MOEA/DNet，DMOPSO，DM-MOEA/D，MOCD-ACO）进行对比得出，MOFECO算法弥补了传统单目标优化社区结构划分单一的缺陷，在社区发现的准确度上有所提高。