La estructura de la comunidad es un atributo y característica muy interesante en redes complejas, que ha atraído la atención de académicos e investigadores sobre la detección de comunidades. Muchos algoritmos de optimización de objetivo único se han migrado y modificado para abordar problemas de detección de comunidades. Debido a la limitación de resolución, el efecto de implementación del algoritmo final no es ideal. En este documento, se propone un método de detección de comunidades multiobjetivo basado en un algoritmo de optimización inspirado en palomas, MOPIO-Net. En primer lugar, el algoritmo PIO se discretiza en términos de la representación del espacio de soluciones, la posición y las estrategias de actualización de la velocidad para adaptarse a escenarios de detección de comunidades discretas. En segundo lugar, al minimizar las dos funciones objetivo de puntaje de comunidad y aptitud de comunidad al mismo tiempo, se obtiene la estructura de comunidad con un interior ajustado y un exterior disperso. Finalmente, para la clasificación errónea causada por nodos de límite, se agrega una estrategia de mutación para mejorar la precisión del reconocimiento final de la comunidad. Los experimentos en redes sintéticas y reales verifican que el algoritmo propuesto es más preciso en el reconocimiento de comunidades en comparación con 11 algoritmos de referencia, confirmando la efectividad del método propuesto.