随着网络技术与智能终端设备的快速发展,具有移动性的群智感知作为一个新的众包模式也随之得到广泛关注。相比于传统众包,群智感知对时空有一定要求,可以通过特定时空的人获取特定时空的感知数据,即工人需要特定时间移动到特定位置执行并完成感知任务。在群智感知中,任务分配问题已经成为群智感知主要研究内容,合理的任务分配可以保证感知系统的发展。当前研究成果存在以下局限性,出现人手不足问题,导致任务完成情况存在不理想状态;忽略工人与任务时空效度与相关性。考虑工人执行能力,时间约束等来研究任务分配,主要研究内容如下:在基于影响力传播模型的群智感知任务分配中,首先,针对群智感知工人数量不足问题,设计了初始传播用户选择算法,招募工人参与群智感知,招募成功的工人提交拍卖信息即可拍卖不同时间段的任务。其次,构建工人时间限制的群智感知系统模型,提出优化目标平台效益最大化。然后,设计了反向拍卖激励机制与任务分配结合的算法,证明反向拍卖激励机制满足计算有效性、个体理性、可行性以及真实性等特性。最后,实验表明,所提选择算法相较于其他算法具有较高的影响力范围以及任务分配算法相比于其他算法更具竞争力和性能。在基于离散粒子群算法的群智感知任务分配中,首先构建任务时空约束的群智感知系统模型,提出优化目标社会福利最大化,其次设计了基于离散粒子群算法任务分配算法,考虑工人与任务之间相关性,使用贪心。最后,仿真结果表明,该算法相比于其他算法更具竞争力和性能。