近年来,无线通信网络技术发展迅猛,使得无线应用对各种感知数据的需求不断增加,移动群智感知网络(Mobile Crowdsensing,MCS)便逐渐进入了人们的视野。移动群智感知的基本思想是运用现有的移动设备(如智能手机)进行数据感知,因此,它比传统的部署传感器感知数据的方式更加灵活且易维护。传统的移动群智感知系统通常以一个中央服务器为中心,采用“服务器-客户端”的架构。然而,这种架构使得中央服务器需要处理大量感知数据,不仅包括感知数据的处理和存储,而且包括数据的收集和分发,因此,可能会导致严重的信息拥塞和十分高昂的运行成本。在本课题的工作中,我们提出了一个基于点对点通信(Peer-to Peer,P2P)的移动群智感知系统架构,它允许感知数据直接在用户终端设备里进行预处理和存储,然后以P2P的方式在用户之间进行数据共享。因此,这种P2P架构可以充分利用现有用户设备的计算和存储资源,从而有效地减轻中央服务器的负担。在实际情况中,一个用户的数据分享能力会受到其通信物理链路、设备电池、自身业务等因素的影响,通常只能将其数据分享给有限的其他用户。基于此,本文进一步提出了基于“有限分享”的P2P移动群智感知模型,在这个模型中,每个感知用户只能与有限数量的其他用户共享感知数据。本文主要关注上述有限分享P2P移动群智感知系统中感知用户进行数据共享时的最优任务调度问题以及博弈均衡调度问题。具体地说,为了能够让系统里的感知用户愿意分享其数据给其他人,本文提出了一个数据市场,并结合混合定价机制(激励机制),让感知用户出售自己的感知数据。随后,利用演化博弈论的相关知识对用数据市场中的用户博弈策略以及用户最佳响应进行了详细分析,由此推导出了用户均衡策略和市场均衡,并进一步分析了系统达到均衡状态之后的稳定性。本文通过仿真分析,发现混合价格激励机制能够灵活调整,使博弈均衡模型达到比较理想的效果,而且能比较好的满足各方需求,不会对用户各自的根本利益造成太大影响。