随着移动终端设备的普及和无线通信技术的飞速发展,群智感知作为一种新兴的无线传感网络模式,受到了学术界和工业界的广泛关注。现如今,诸如智能手机、可穿戴设备、平板电脑等终端设备上通常集成了多种传感器,如加速度传感器、照相机、麦克风和全球定位系统等,可以用来收集各种各样的感知数据。与此同时,这些终端设备上往往还集成了多种无线通信模块,可以将收集到的感知数据传输出去。基于广泛分布的感知设备和无处不在的无线网络,群智感知为数据的收集与共享提供了一个平台。其在实际中有着十分广阔的应用场景,包括环境监测、智能交通、健康管理和社交服务等。一个典型的群智感知系统由位于云端的中央服务器(称为平台)和众多感知设备用户组成。与传统的无线传感器网络不同,群智感知系统中的每个感知设备都可以直接与平台进行通信。其优势在于省去了部署和维护传感器节点所带来的开销。群智感知系统中数据收集的过程如下所述。平台会接收到一系列的感知请求,称之为感知任务。随后,平台为每个感知任务选择一个合适的用户进行处理,即为任务分配。在进行任务分配时,一方面需要考虑感知任务对时间、地点、传感器等的要求,另一方面需要考虑用户的位置、移动轨迹和感知能力等。尤其要注意的是用户参与处理感知任务通常会给其带来一定的开销,诸如电能的消耗和网络流量的使用。为了优化系统整体性能,平台在分配任务时,需要在完成任务带来的收益和由此产生的用户总开销之间进行权衡。我们总结了群智感知网络的四个特征,即其具有节点移动性、资源有限性、用户智能性和设备私有性。这给任务分配问题带来了诸多挑战。考虑不同的应用场景中感知任务和用户的特征也不尽相同,因而需要设计不同的任务分配方法。本文首先根据感知任务是否动态到来以及用户是否主动选择任务,将群智感知系统进行分类。然后,针对不同的应用场景,我们分别设计了最优或近似最优的任务分配方法。一、分布式的最优感知任务分配方法。考虑在一个离线的群智感知系统中,感知任务是收集任意时长的数据。每个理性的用户自主地选择感知的时长,且以最大化其个人利益为目标。为了鼓励用户的参与,平台根据感知时长支付给用户一定的报酬。系统整体性能指标是社会福利,即平台获得的收益减去用户的总开销。考虑到用户开销信息是隐私的,我们设计了一个分布式的算法,迭代地计算平台应该给每个用户提供的单价,且证明了它能取得最优的社会福利。我们还通过仿真实验验证了与现有方法相比,我们的算法在收敛速度上有了很大的提升,且适用于大规模的群智感知系统。二、近似最优的在线感知任务分配方法。考虑在一个在线的群智感知系统中,不同类型的感知请求实时地到达平台,平台需要对三层控制做出决策,分别为1)请求准入控制,2)任务分配,和3)每个用户上的任务调度。此外,我们考虑用户被动地接受平台分配给其的任务。平台进行实时控制的难点在于需要综合考虑感知任务完成的数量,系统的稳定性以及用户体验的下降。基于Lyapunov优化理论,我们设计了一个在线的控制算法,并从理论上证明了该算法能保证时间平均上的系统性能达到近似最优且保证系统保持稳定。三、面向策略性用户的在线感知任务分配方法。环境监测是群智感知网络的一个重要的应用场景,其需要在一定范围内连续不断地收集感知数据。首先,我们观察到这类感知数据通常存在很强的时空相关性。因此,可以降低数据的采样频率从而减少系统总开销,而未收集的数据可以用插值算法进行恢复。为此,我们提出了一个在保证数据时空覆盖度的要求下,使得系统总开销达到近似最优的在线任务分配算法。此外,我们还考虑了策略性用户,即他们可能会通过谎报信息骗取平台支付更多的报酬。针对这类用户,需要制定一个有效的激励机制,以保证用户的诚实性。为此,我们提出了一个基于逆向拍卖模型的激励机制方案,并证明了其可以保证用户的诚实性。