Identificar nodos vitales en redes complejas es de suma importancia para entender y controlar la dinámica de propagación. Actualmente, este estudio enfrenta grandes desafíos al tratar con grandes volúmenes de datos en muchas aplicaciones de la vida real. Con el avance de la investigación, los académicos comenzaron a darse cuenta de que el análisis en un modelo de grafo tradicional es insuficiente porque muchos nodos en una red multinivel comparten conexiones entre diferentes capas. Para abordar este problema de manera eficiente y efectiva, se propone en este documento un algoritmo novedoso para identificar nodos vitales en redes tanto monolayer como multilayer. En primer lugar, se emplea una medida de influencia de nodo para determinar el líder inicial de una comunidad local. Posteriormente, las estructuras de la comunidad se revelan a través de la estrategia de Expansión de Vecinos Máximamente Influyentes (MINE). Luego, las comunidades son consideradas como super-nodos para un proceso de plegado iterativo hasta la convergencia, con el fin de identificar influyentes jerárquicamente. Se realizan experimentos numéricos en 32 conjuntos de datos del mundo real para verificar el rendimiento del algoritmo propuesto, que muestra superioridad frente a los competidores. Además, aplicamos el algoritmo propuesto en el grafo de adyacencias derivado de los mapas de China y Estados Unidos. La comparación y análisis de las provincias (o estados) identificados sugieren que el algoritmo propuesto es factible y razonable en aplicaciones de la vida real.