Actualmente, se proponen muchos métodos de detección de comunidades en el campo de la ciencia de redes. Sin embargo, la mayoría de los métodos contemporáneos solo emplean la modularidad para detectar comunidades, lo que puede no ser adecuado para representar la verdadera estructura comunitaria de las redes debido a su problema de límite de resolución. Para resolver este problema, presentamos un nuevo enfoque de detección de comunidades basado en un algoritmo de evolución diferencial (CDDEA), teniendo en cuenta la densidad de modularidad como una función optimizada. En el CDDEA, se utiliza un nuevo parámetro de ajuste para reconocer diferentes comunidades. Los resultados experimentales en redes sintéticas y del mundo real muestran que el algoritmo propuesto proporciona un método efectivo para descubrir la estructura comunitaria en redes complejas.