随着智能移动设备的普及,一种新颖的为人们提供感知数据的方式应运而生。群智感知(Mobile Crowd Sensing)是人们通过智能设备的技能感知当前位置的环境信息,为社会建设提供服务的模式,而移动众包为这种数据信息获取模式提供了平台。移动众包的任务分配问题中存在许多难以攻克的挑战。由于平台上的工人资源是有限的,那么如何利用这些有限的资源完成更多的任务,创造更大的价值是我们研究的关注点。然而,在现有的研究中,往往忽略简单任务由于其较低的预算难以满足工人的高报价而处于冷启动状态,这也使得小预算任务的分配更加困难。本文首先将移动众包中的小预算任务的分配问题建模成为一个新颖的“一对多”模型,然后根据任务的不同属性设计了三种任务分组方式,分别为任务凝聚力分组(TGC)、任务关联性分组(TGR)和任务相似度分组(TGS)。此外,文章基于工人执行任务的价格差异提出了两种工人的选择机制,有效地解决了移动众包中对于工人的选拔问题。最后,根据工人的工作情况对其信誉值进行更新,以保证平台的公正性和任务的结果质量。本文通过大量的实验对提出的模型和算法进行评估。实验结果表明,对于移动众包中简单任务的分配问题,本文提出的模型和算法明显具有很好的性能,平台中的参与者都也能取得较好的收益。