随着移动智能设备(如智能手机、平板电脑和车载感知设备等)的广泛普及以及传感技术和通信技术的飞速发展,群智感知越来越受到人们的关注。在群智感知中,将普通用户携带的移动智能设备(如智能手机、平板电脑等)作为基本的感知单元,通过移动互联网(如WiFi、蜂窝网络和有线网络等)进行有意识或无意识的协作,实现感知任务分发与感知数据收集,完成大规模的、复杂的感知任务。与传统感知方式相比,群智感知具有传感器部署灵活经济、感知数据多源和不可靠性以及感知覆盖范围广泛等特点。群智感知通过大量普通用户的参与,可以以较低的成本完成复杂的社会感知任务,从而具有重要的研究意义和应用价值。任务分配是群智感知应用中的基础,高效的任务分配机制的设计引起了很多研究者的关注。当前国内外关于面向群智感知的任务分配问题研究主要考虑了任务和参与感知任务的用户的时间、位置、质量等需求,尚未对多样性能力要求的任务分配问题的深入研究。事实上,实际生活中往往存在一些比较复杂的感知任务,这些任务需要具有多种能力的用户来协作完成。为此,本文研究了能力多样性约束下的群智感知任务分配问题。本文的主要工作包括以下两个方面:(1)提出了考虑额外成本的任务分配算法。在同时执行多个感知任务时,智能设备打开传感器、连接无线网络所产生的耗费与任务的数量无关,而收集、保存以及传输感知数据的耗费与具体任务有关。为此,本文将用户完成任务的成本分为基本成本和额外成本,其中基本成本与用户完成任务的数量无关。在考虑能力多样的基础上,以最大化用户收益为目标,我们将上述任务分配问题转化为最大覆盖问题,提出了两种启发式算法。(2)提出了面向细粒度任务的分配算法。在进行复杂群智感知时,感知任务不仅需要具有多种能力的用户协作,而且对每种能力需要一定数量的用户。为此,本文引入了细粒度任务概念,提出了用户完成多个细粒度任务的成本计算方法,以最小化用户成本为目标,将细粒度任务分配问题转化为最小加权集合覆盖问题,在此基础上设计了两种启发式任务分配算法。最后,针对上述提出的任务分配算法我们进行了仿真实验,通过与其他算法对比验证了所提算法的有效性和高效性,而且算法适用于各种群智感知场景的任务分配,因此,本文的研究内容在一定程度上对群智感知系统的推广使用有较大的现实意义。