移动群智感知利用分布广泛的移动用户所携带的智能设备作为基本感知单元,执行任务感知并对感知得到的数据加以收集、整合和上传。作为一种全新的感知机制,其在智慧城市、环境保护、智能交通等领域应用广泛。群智感知任务通常分布广泛,提供感知服务的移动用户具有不同的感知方式和能力。特别是,随着群智感知在环境监测、应急救援等领域的拓展应用,由人员构成的移动用户往往不能满足感知任务需求,无人机等新型移动设备被逐渐引入移动群智感知系统,形成人机混合移动用户。由于无人机的感知能力和移动性能与人员存在显著差异,所以传统的感知任务分配方法不能直接用于解决人机混合移动用户的感知任务分配问题,迫切需要研究相应的任务分配模型与优化方法。鉴于此,本文研究人机协同移动群智感知系统的任务优化分配。具体研究内容如下:（1）针对机会主义用户和无人机构成的移动群智感知系统,以最大化感知区域覆盖率作为优化目标,构建人机协同感知任务分配模型,并设计了两阶段启发式优化方法加以求解。在阶段一,根据机会主义用户的历史移动轨迹,预测得到其活动轨迹;当机会主义用户自身无法完成任务时,可以通过其社交网络招募合适的用户来辅助执行任务;在阶段二,根据无人机数量对未覆盖的感知区域进行聚类,将无人机指派到距离最近的感知区域,并对其进行路径规划。该任务分配方法充分利用机会主义用户和无人机的不同感知能力,在感知成本预算约束下获得最大的感知覆盖。实验结果表明,所提方法可以在相同预算下获得更大的感知区域覆盖率。（2）针对参与式用户和无人机构成的人机混合移动群智感知系统,综合考虑感知任务的区域特性和移动用户特性,构建了以最大化任务完成数量为优化目标的任务分配模型,并提出一种基于分布估计算法和迭代局部搜索的求解方法。根据任务执行需求,将感知区域划分为三类;并根据参与式用户执行任务所需移动的距离,确定其任务执行奖励。实验结果表明,所提方法可以在预算约束下,完成更多的感知任务。所得研究成果不仅丰富了移动群智感知任务分配方法,而且为存在区域限制的移动群智感知应用场景提供了新的求解思路。论文有图25幅,表15个,参考文献91篇。