作为生命物质基础的蛋白质一般很少单个参与生命过程,而是多个蛋白质形成复合物共同作用。精准的识别蛋白质复合物有利于理解细胞的内在组织结构,协助医学研究并分析疾病的本质,因此怎样精准高效地挖掘蛋白质复合物是目前生物信息学研究的热点问题之一。尽管目前在蛋白质复合物的检测上有了一定的成果,但由于蛋白质相互作用网络（PPIN）的复杂性,蛋白质复合物检测算法的识别精度还有待提高,因此我们希望提出一种更有效的算法提高精度。本文基于静态动态PPI网络挖掘蛋白质复合物。基于静态PPI网络,我们首先整合核K均值聚类（Kernel K-means,KKM）、谱聚类（Ratio Cut,RC）以及整体复合物密度作为目标函数,提出了一种融合模糊方法和多目标进化的蛋白质复合物检测算法CWFC。我们首先构建加权蛋白质相互作用网络;选出网络中的蛋白质关键节点,比较非关键蛋白质节点与各个关键蛋白质的相似性来确定不重叠蛋白质复合物;最后使用模糊算法确定重叠的蛋白质复合物。实验结果F-measure、Acc和Sn指标显示,我们的算法在Collins数据集和Gavin数据集具有有效性。由于生命过程实际上是一个动态的过程,而静态PPI网络不能反映其动态性,因此我们在CWFC算法的基础上,结合基因表达数据,提出了一种基于混合权重、模糊聚类以及多目标进化算法的Dy CWFC算法以应用于动态PPI网络检测蛋白质复合物。我们根据基因表达数据和蛋白质相互作用、皮尔森相关系数等构建动态权重PPI子网络,并在每个子网络下进行检测。使用DIP、Krogan数据集中的酵母数据,并通过分析比较常用的统计指标如F-measure评估结果等,我们的算法具有一定的优势。