随着数据的海量化和能耗的高企化,信息高效共享和安全数据采集的无线通信需求也愈加突出。在无线通信系统和应用场景中,为了解决海量内容共享的问题,本文借助移动群智感知技术,针对通信应用场景中高并发数据的信息共享和信息采集问题进行研究,并对多用户、多社交关系和多元数据的本地内容共享框架以及无人机采集有限寿命数据的路径规划方案,开展了一系列工作。针对信息共享场景,论文提出一个新型的本地事件内容共享框架,通过设计一个精确定义的标签并允许本地用户提供实时的数据消息,来引导用户搜索他们想要得到的其他内容数据。在这个通信场景中,本文应用多对多稳定匹配模型来为用户选择合适的内容共享对象和传输的数据。然后,基于有限的能耗限制,本文利用凸优化等数学方法来优化系统的功率分配,进而提高能效。由于匹配模型内的偏好列表计算和能效分配问题之间的耦合性,本文设计一个启发式算法来松弛原目标函数的约束条件,降低求解复杂度,最后达到收敛。本文通过仿真结果说明所提出的基于多对多稳定匹配的内容共享方案的高效性和实用性。针对信息采集场景,本文设计一个基于无人机辅助数据采集的路径规划方案。对于环境监测等数据时延敏感场景,考虑到数据寿命有限,并且传感器存储空间有限,本文的目标是优化无人机路径,以减少整个网络内因为过期或从传感器存储空间中溢出的数据包数量。考虑到原建模的问题复杂而难以直接求解,本文对一些离散的约束条件进行松弛,进而把原问题转换为一个最小最大化信息年龄的无人机飞行轨迹模型的设计,然后提出一种基于强化学习的框架来优化无人机路径规划。在仿真的验证中,本文通过与其他两个基准算法进行比较,来表现强化学习算法框架的高效性。与贪婪算法相比,基于遗传算法的方案和基于强化学习的方案均可找到更好的路径规划,但是强化学习在算法时间消耗方面比遗传算法的优势更为明显。