近年来,伴随着众包概念的广泛传播,越来越多的众包平台开始支持软件开发任务的众包行为。一方面,传统软件工程的专业性、计划性、封闭性等缺点使其很难面对未来物联网超大规模的挑战,另一方面,互联网的普及带来了用户需求多样化、产品更新迭代快的特点,使很多企业都难以找到创新和成本之间的平衡。相比之下,将软件工程与众包结合起来的群体软件开发模式,能够借助网络平台跨越时间和空间的限制,鼓励大众参与到产品研发的过程中,充分发挥大众的价值,实现双方共赢的局面。目前大部分的众包平台都需要工作者需要主动寻找并申请任务,这种方法不仅无法保证任务被合适的工作者执行,也在任务申请阶段消耗工作者很多精力。所以,如果平台能够支持合理、高效、准确的任务自动分配过程,可以大大减轻双方工作量。本文在国内外相关研究现状的基础上,提出一个在群体软件开发平台上实现任务合理分配的解决方案,有助于群体软件开发模式的进一步推广。首先,本文提出了“适应性模型”的概念。“适应性”用来描述一个开发人员是否适合完成某项任务。通过调研群体软件开发模式的特点,我们认为全面的适应性描述应当包括多个维度:时间维度关乎到项目的进度控制;空间维度关乎到项目的沟通管理;能力维度关乎到项目的质量保障;价格维度关乎到项目的经费预算。基于该适应性模型,可以统一地描述开发人员的特征信息以及任务的约束信息,进而将任务分配过程转化为数学问题量化求解。随着开发人员注册数目的不断增长,任务分配阶段的搜索空间也急剧膨胀。为实现快速高效的分配过程,本文结合聚类的数据挖掘方法减少搜索空间。针对群体软件开发模式的应用背景,本文基于K-means算法提出了“二次划分”的聚类策略,有效地避免了维度灾难、初始聚类中心选择的偏差以及噪声节点带来的震荡问题。接着本文设计了基于滑窗的动态度量方法,搜集任务发布方对开发人员的客观评价并将其作为度量指标,以此逐渐调整开发人员自我评价的主观偏差。通过设置窗口大小、滑动距离、历史得分权重等参数,最大化保证度量结果的客观性和准确性,避免噪声数据带来偏差。最后,为了验证提出解决方案的正确性和有效性,本文模拟真实环境中的用户数据进行了实验验证。验证内容包括适应性模型的可操作性,聚类策略的效率和性能,以及动态度量方法的准确性。实验结果表明,基于本文提出的适应性模型可以实现快速的任务自动分配,分配结果相对合理准确,减轻了双方的工作量,实现共赢的目标。