近年来,随着互联网与经济全球化的迅速发展,越来越多的人、公司、组织、机构开始在互联网上寻求解决问题的途径,逐渐的形成了一种新型的商业模式,叫做众包。众包能够经济且更有效地解决机器单独难以解决,需要大众支撑的简单任务。自从2009年开始,众包得到了各个领域的广泛关注,已经逐渐成为一个新的研究热点。而任务分配是众包领域的一个研究关键问题,本文主要对众包环境中的任务分配问题做了如下研究：(1)研究了未知专家众包环境中的任务分配问题。在此环境下,工作者的成本和完成工作的质量是多样化的,可能因为各种因素发生变化。假设工作者接收任务之前要提交完成任务所需的成本,工作者完成任务的质量对于任务发布者是未知的并且任务发布者有预算限制。由此,需要使用学习的方法对工作者的质量进行学习,然后根据反馈回来的结果进行任务分配。由于专家众包模型和多臂赌博机的问题模型一一对应,本文采用解决多臂赌博机的方法,分两个步骤处理。首先拿出预算的一部分对部分工作者的工作质量进行评估,然后根据得到的结果模拟函数,进一步估算得到剩余工作者完成任务的质量。再根据单位成本得到的质量对工作者进行排序,采用贪婪算法进行任务分配以期达到最大化任务发布者收益的目的。(2)结合实际情况,在对任务进行定价的前提下,进行任务分配。在考虑预算的情况下,结合黄金标准测试方法和定价机制设计,进行了任务分配问题的研究。假设工作者接收任务之前要提交完成任务所需的成本以及希望完成的任务数量。首先,发布一些已知答案的任务给工作者,根据他们提交的任务结果,估计出每个工作者的工作质量。其次,根据每个工作者提交的成本和希望任务数量,对任务进行定价。最后,根据质量进行降序排序,采用贪婪算法进行任务分配。结合实际情况得知,此模型适用于那些任务质量容易测量的简单任务,比如判断一幅图包不包含一张脸,多项选择任务以及错字修改任务等。(3)简要分析了众包平台的主要组成部分,同时介绍了这些组成部分的功能模块。进而基于本文所提及的算法,采用C#语言初步实现了任务分配的功能,搭建了一个众包平台,实现了任务发布者和工作者基本的功能模块。此平台能够根据任务发布者选择的算法进行任务分配。