移动众包利用互联网用户完成一些感知任务,是数据收集、分析和共享的一种新模式。任务分配是移动众包应用研究的核心问题,在预算受限的情况下,最重要的是合理地分配预算,完成工人和任务的匹配,以达到预期的目标。为了鼓励用户积极并诚实地参与众包活动,长期活跃在众包系统中,激励机制是移动众包发展的一个关键。在现有考虑预算的移动众包任务分配研究中,大多数研究假设工人对所有任务的质量水平单一,忽略了工人能力的多样性,同时未考虑工人的真实成本,导致任务完成的总体质量不高,造成预算的浪费。并且现有移动众包任务分配大多采用一次性分配,缺少工人与任务发起人对任务需求的协商过程,导致任务需求过于刚性,未能实现工人和任务发起人的整体社会福利最大化。针对上述问题,本文研究了预算受限的移动众包任务分配与激励机制设计,具体工作如下:（1）提出了一种基于任务分类的任务分配与激励机制,根据任务分类建立任务难度模型和工人质量模型。以降低任务难度为目标,并激励工人以真实成本报价,实现在有限的预算内任务发起人效用最大化。通过理论分析和对比实验,验证了本文提出的机制是真实的、个体理性的且预算可行的,并且该机制还有效提高了工人的任务感知质量。（2）提出了一种基于多属性让步协商的任务分配与激励机制。该机制通过建立任务发起人与工人针对任务的可协商属性的多轮讨价还价模型,增加了任务发起人与工人之间的交互,解决了一次性任务分配导致任务需求过于刚性的问题。然后,引入信誉值的概念,激励工人诚实地按照协商结果完成任务。通过理论和实验证明了该机制实现了社会福利最大化,且具有个体理性、激励相容、预算可行等特性。（3）结合实际情况,分析移动众包平台的组成部分,采用Python语言开发了一个用于任务发布与答案收集的移动众包系统FPFW（find pros and find works）。将任务分为硬性任务和可协商任务两种类型,分别对应第（1）（2）点提出的两种任务分配机制,实现任务与工人的匹配。