近年来,众包模式以其高质低成本的特点极大地促进了软件工程活动的发展,例如众包软件开发、众包测试等,但任务总数量呈现日益上涨趋势,造成众包工作者挑选任务困难、任务发布者挑选候选人困难等问题。任务发布者需要在控制预算和团队规模的前提下,在数以百计的不熟悉的候选人中选择高质量的工作者组成团队完成任务。由于众包虚拟团队是成功完成众包任务的重要部分,以往的研究已经尝试应用遗传算法(GA)、交替变量法(AVM)等多种算法解决众包团队组建问题,但性能仍然有限。本文考虑工作者的能力与薪资对成功完成软件任务的影响,给出众包团队组建问题应用化的数学定义。该问题是典型的离散型组合问题,且复杂性较大,本文提出两个智能优化搜索算法CVTMaker和ESSA-rank来帮助任务发布者构造理想的虚拟众包团队。CVTMaker采用动态实数给团队方案编码,为克服(1+1)-ES容易在全局最优解附近振荡的缺点,采用AVM搜索当前最佳个体的局部空间,两者交替执行以协调算法的探索与开发的能力,进而提高算法的总体性能。相较于CVTMaker,ESSA-rank在每次迭代可搜索更多的个体,采用基于适应度值排序选择的离散重组算子,增加性价比较高的工作者纳入团队方案的概率,配合参数自适应机制指导算法逐步收敛至全局最优解。本文利用知识迁移的方法从问答社区Stack Overflow中挖掘问答对信息构造了一个包含1556个接近真实众包团队行为的实例的数据集,并在经典数据集和构造数据集上实验评估算法CVTMaker与ESSA-rank的性能及扩展性。实验结果表明:在两个数据集中,CVTMaker和ESSA-rank均能搜索优于当前方法GA、AVM的团队方案,且优势较大。当处理不同团队规模的众包团队组建问题,CVTMaker处理团队规模大的问题更有优势,而ESSA-rank更适合处理团队规模较小的问题。