随着深度学习的广泛普及以及移动端硬件性能的提升,将深度学习和神经网络技术引入移动设备提升用户体验已经成为必然趋势。考虑移动设备移动性强和便携的特点,分布式训练深度学习模型要减少任务的执行时延和设备的电量消耗。为了提升训练速度和保障训练过程中的隐私安全,目前已经有一些项目利用区块链开展移动设备的分布式训练,其中移动设备进行并行的分布式训练大大缩短了训练模型所需的时间,区块链网络记录了分布式训练的流程,利用其数据不可篡改的特性保证系统的安全。为了节约系统的能量消耗,减小系统的响应时间并提高吞吐率,本文首先提出了一个开创性的移动端分布式深度学习任务分配框架。这个框架提出了一个综合考量任务难易程度和用户属性的任务评估标准,通过用户选择和资源分配进行任务分配,使得系统能效最优。同时,使用区块链用于激励用户提供本地交互数据以提高模型的准确度,提出了基于区块链激励的分布式深度学习任务分配框架。这个框架将任务进行分类以提高不同种类移动设备的利用率,在保证服务质量的前提下降低执行任务的能耗从而提高综合收益,然后使用深度强化学习方法解决动态环境中的高维状态空间控制问题。最后展示了在不同参数下的仿真结果,证明了所提出框架的可行性。