移动群智感知是将普通用户所携带的智能设备作为基本的感知单元,通过网络进行有意识或无意识的协作,实现感知任务的分发、感知数据的收集与上传,来完成庞大的、复杂的社会感知任务。它既为物联网提供了一种全新的感知模式,同时也带来了一系列新的挑战。作为一个新兴起的研究领域,移动群智感知依然面临着传统传感器网络不曾遇到的诸多挑战。任务分配作为移动群智感知数据收集的核心问题,高效的任务分配方法可以在完成任务的同时,实现对系统的优化。用户的主观意愿会很大程度上影响用户参与感知任务的积极程度,使用合理的激励机制才能保证足够的用户参与到感知任务当中。基于此,本文在移动群智感知中任务分配和激励机制方面进行了的研究。本文的主要工作如下:1.针对于感知平台用户资源紧张的情况,提出了一种面向多任务并发的任务分配方法,不同于其他的任务分配方法,在最小化参与者人数的情况下,参与者不再局限于只能完成一个感知任务,而是在规定时间内按照感知平台的要求尽可能地完成多个感知任务,以此来优化用户资源。同时,通过最小化参与者移动总距离来降低感知平台的激励成本。将最小化激励成本和参与者人数作为任务分配模型的优化目标,在多目标优化的问题上,用Pareto解集和粒子群算法结合的方法对模型进行求解,并针对互异性要求对算法进行必要的改进。2.针对感知任务参与者数量不足和提供数据质量不高的问题,提出了一种面向任务代价差异的移动群智感知激励模型。首先通过任务代价对任务进行分类,其次通过分析感知数据的时效性、完整性和准确度对感知数据质量进行评估并综合感知质量和时间衰减因子对信誉度进行更新,最后结合参与者信誉度和感知任务等级进行任务分配,参与者通过完成感知任务并上传感知数据实现信誉度的更新并且得到报酬奖励。通过各模块之间的相互影响,达到有效招募更多用户并且提升感知数据质量的目的。