移动群智感知是一种新型的物联网感知模式,它充分利用了无处不在的智能设备的移动、感知、计算和通信能力,实现对物理世界的大范围、长时间、多维度信息采集。移动群智感知具有成本低、移动性强、扩展性好、智能程度高等优点,在环境保护、智能交通、智慧城市、室内定位、公共安全等领域具有广泛的应用前景。任务调度是移动群智感知中的一个核心问题。影响任务调度算法设计及其性能的主要因素包括:数据采集者的感知能力、通信能力、移动模型、以及感知任务的时空分布和感知数据精度要求等。如何针对不同场景和应用要求的移动群智感知系统设计高效任务调度算法,有效提升任务调度的性能、降低系统运行成本,是一个亟待研究的重要课题。本文针对移动群智感知系统的多样性应用要求,结合不同设计目标和约束条件,开展移动群智感知任务调度算法设计与优化研究,针对多种不同群智感知应用场景,提出了多种新型高效任务调度模型和算法,有效地提升了任务调度性能。本文的主要研究工作和创新性成果包括:1.基于距离约束的参与式感知在线任务调度。研究了旅行距离约束下的任务质量最优化问题,证明了问题的NP难特性,提出了四种在线任务调度算法,包括基于任务质量/前进距离比率的算法、基于任务密度分布的算法、基于旅行距离余额的算法、和结合仿生搜索和旅行距离余额的算法。推导了各个算法的计算复杂度。仿真结果表明,前三个算法可以在较低计算复杂度的情况下达到很好的任务质量性能,第四个算法任务质量性能高于所有已知算法。2.半机会式群智感知模型下的任务调度。针对参与式感知和机会式感知模型的不足,首次提出了半机会式群智感知模型,以同时达到降低雇佣费用和提高任务覆盖率的目标。针对半机会式群智感知模型下的任务优化调度问题,提出了最佳路径/任务优先算法和基于线性规划松弛的算法,推导了算法的计算复杂度。基于真实数据集的仿真实验表明所提出算法可以有效提升任务质量。3.环境友好的群智感知系统下的任务调度。在分析不同交通方式特点基础上,将任务时限约束下的最小化碳排放量任务调度最优化问题建模为最小代价二分图匹配问题,然后结合在线和离线两种场景,分别提出了用户交通方式选择算法和用户-任务优化匹配算法,推导了算法的计算复杂度。仿真结果验证了所提出算法的有效性。4.面向隐私保护的群智感知任务调度。设计了一种面向隐私保护的群智感知任务调度方案,包括激励机制、用户的任务选择策略和服务平台的用户选择策略三部分。执行过程中,每个数据采集者可以自主决定其隐私保护级别。仿真结果表明,所提出的算法可以在保护用户隐私的前提下,达到高任务完成率。