近年来,随着物联网（IoT）的发展,移动众包（时空众包）成为群智感知模式的一个新型范例,它结合了众包思想和移动设备的感知能力,旨在完成基于位置的传感任务。在移动众包系统中,为了激励用户积极地参与感知任务,并且提供高质量、可靠的感知数据,需要设计有效的激励机制。移动众包的激励机制主要涉及:任务分配、隐私保护、质量控制等问题。本文主要研究移动众包系统中的多目标任务分配方法。多目标优化问题在工程应用等现实生活中非常普遍并且处于非常重要的地位。同样,在移动众包系统中,平台和众包工人方面均存在多目标优化问题。但是,在以往研究中仅优化了平台方面的多目标甚至仅优化了单一目标,这样影响了社会福利的最大化和移动众包系统的发展。同时,随着人工智能技术的不断发展和数据量的不断增加,基于传统的云中心的移动众包系统已无法满足数据日益增长的需求,因此需要将其转向边缘计算中,以加快数据分析的速度,便于众包系统更快更好地做出决策。本文的主要研究内容如下:1.为了解决同时最大化平台效用和众包工人效用的多目标任务分配问题,首先,提出了考虑任务难度属性和工人信誉、能力和隐私敏感度等属性的激励机制,激励众包工人执行偏远非热门地区的众包任务。另外,设计了加权和多目标粒子群组合算法（WAMOPSC）解决多目标任务分配问题,为平台提供更多的Pareto解。最后,在真实数据集上验证了算法的有效性。2.为了提高移动众包系统的服务质量,研究了基于车辆的三目标优化任务分配问题。首先,利用车辆的可移动性和移动设备感知能力同时完成查询任务和自动感知任务。然后,形式化定义了三个优化目标:最大化任务覆盖率、最大化任务可靠性和最小化众包工人成本。最后,采用基于参考点的非支配排序的进化多目标优化算法（NSGA-III）优化三个目标以获得更多Pareto解,并且通过真实数据集实验验证了方法的有效性。