虽然科技迅速发展,但是许多工作机器仍然难以比肩人工,特别是在考虑到设备部署与维护的实施难度与成本消耗问题的情况下。随着互联网的发展,以人为中心的数据收集方式变得非常流行。移动众包模式充分利用群体智慧,解决传统计算方式难以处理的大规模感知工作。通过在众包平台上发布任务,许多智能设备携带用户按照个人意愿决定是否执行任务。由于人员技术水平不均且难以管理,任务的合理分配决定了任务质量,特别是对于某些时限性要求比较高的任务,更要求选择工作能力强的工人,最后给予工人一定奖励。所以,对于众包任务发布方来说,合理的任务分配,适当的激励机制尤为重要。再者,由于任务发布时间不确定,众包平台在线人数可能不足以按时且保证质量地完成任务要求。这时需要考虑社交网络中的人员间的相互影响关系,让在线人员将任务扩散给各自的社交邻居,进而吸引更多人到众包平台竞争执行任务。基于以上观点,为了提高数据质量,实现利润最大化,需要激励机制来激励用户参与。本文首先对移动众包系统中的声誉机制、参与者选择、任务分配和联合定价进行了研究。本文提出了一种用户声誉评价方法,设计了一种基于用户信誉的参与者选择算法(PSA)。紧接着,本文提出了一种社会福利最大化算法(SWMA),它实现了包括任务发布方和移动用户在内的双方利益最大化的任务定价。然后,本文把社会福利最大化问题分为局部优化子问题,并通过双重分解法解决。通过广泛的仿真,证明了SWMA算法收敛于最优解,从而证明了算法PSA和SWMA算法的有效性。对于任务发布时众包平台中在线用户数目少的问题,本文提出了一个任务扩散框架,通过框架预估得出的扩散成本,任务扩散后分配给参与者所得结果和动态变化的平台任务发布数目,让发布方选择是否继续执行扩散策略。进而,本文设计了基于社交网络中用户影响力的任务扩散中的赢家选择算法(WSTSA)和赢家奖励算法(WRA)。通过进行真实的社交网络数据集实验,证明了算法WSTSA与WRA的有效性。