众包是当前非常流行的一种新的商业模式,企业作为雇主可以利用互联网将工作分配出去、发现创意或解决技术问题。通过互联网控制,这些企业可以充分利用志愿工作者的创意和能力。而志愿工作者具备完成任务的技能,愿意利用业余时间工作,付出劳动后还可以获取小额报酬。对于软件业和服务业,众包提供了一种组织劳动力的全新方式。众包提供的工作方式,可以帮助雇主获得大量自由工作者,利用这些工作者的能力和智慧解决实际问题。然而,有的众包工作者为了使自己的利益最大化,没有认真地为雇主工作,提交的任务结果质量低下,违背了雇主发布任务的初衷,甚至产生了适得其反的结果。对工作者的精度进行有效评估并保证众包任务的结果质量是一项具有挑战性的工作。目前,国内外对于众包质量管理的研究还处于起步阶段。针对以上情况,本文对众包质量评估与优化策略进行了深入研究,提出一系列方法能够有效提高众包任务的质量。主要研究内容包括如下几个方面：(1)提出基于贝叶斯决策理论的工作者精度评估策略。将工作者的精度视为一个随机变量,利用统计决策中的钡叶斯决策评估该工作者是否满足任务的精度需求,评估过程综合考虑了工作者的历史数据、当前表现以及风险等因素。和基于黄金标准数据的简单评估策略相比,该方法具有更高的可靠性。(2)提出基于投票一致性的工作者动态替换策略。基于简单多数投票原则,对工作组采用一种动态的处理方式。将众包任务集合划分为多个阶段,每个阶段结束后利用假设检验的方法对工作者的精度进行动态评估,同时将不合格的工作者进行及时替换,从而保证工作组的正确率始终满足任务精度需求。(3)提出基于投票一致性的权重式聚合规则。对简单多数投票规则进行进一步改进,根据投票结果的一致性将任务类型划分为高一致性任务和低一致性任务。对于高一致性任务,仍然采用简单多数投票规则获取最终的任务结果,对于低一致性任务,采用一种加权式多数投票规则,给精度较高的工作者赋予更多的权重。工作者的精度根据其在高一致性任务中的表现进行评估,从而为低一致性任务的权重赋值提供依据。(4)提出两种佣金模型下的最优工作组选择算法。在被动式佣金模型和主动式佣金模型下,通过选择特定的工作者集合,使其构造的工作组的任务结果精度在满足精度要求的前提下,实现工作组佣金的总开销最小。总之,本文研究了基于众包质量评估与优化策略的相关方法。实验表明这些方法能够有效提高众包任务的结果精度,希望这些方法和技术在未来的众包质量管理方面提供一定的参考价值。