群智感知是一种新的计算和感知模式,它主要是利用了移动智能设备的感知、计算、存储和通信功能,通过将移动用户随身携带的移动智能设备看作是一个个功能强大的、智慧的无线传感器,并通过它们的协作来共同完成感知任务。群智感知能以较低的代价完成传统传感器网络难以应对的各种大规模的复杂的感知任务,具有重要的研究意义。任务分配和用户调度是群智感知的核心问题,它负责完成任务的同时实现特定的优化目标,如任务完成时间最短、任务完成数量最多、任务整体利润最大等等。目前,关于群智感知任务分配和用户调度的算法还很少。本文主要研究了两种不同应用场景下的群智感知任务分配和用户调度问题。首先,介绍了群智感知的应用场景；然后,对其中的任务分配和用户调度问题进行了建模：最后,基于贪心策略分别提出了一个在线任务分配算法和一个离线的任务分配和用户调度算法,并对它们的优越性能进行了分析验证。本文的主要贡献和创新在于：● 在基于移动社交网络的群智感知模型中,我们从对移动社交网络特征和任务完成过程的分析入手,针对任务最长完成时间的最小化问题,设计出了一个在线算法,该算法按照任务负载由大到小的顺序依次将任务分配给期望处理时间最小的用户完成；最后,论文通过竞争比分析、真实仿真和模拟实验的结果证明算法的可行性和高效性。● 针对感知任务和移动用户存在位置关联、以最大化任务整体利润为目标的群智感知系统,我们首先介绍这类场景的现实普遍性,接着对任务和用户的位置关联进行数学模型化,将其子问题转化为最小加权集合覆盖问题,基于最大利润任务优先分配、最小报酬用户集合优先调度的原则,设计出最大化任务整体利润的贪心算法,该算法跟其他算法相比,能够获得更多的利润,我们将通过模拟实验证明该结论。本文研究的任务分配和用户调度算法都具有高度普适性,能够扩展到类似的场景和问题模型中,对f群智感知系统的推广使用具有很大意义。