目前,几乎所有的智能设备都嵌入了传感器,这些智能设备可通过无线网中网相连,实时感知环境信息,并且具有一定的可改变人们工作和娱乐等多种方式的数据分析能力,但是受环境因素的制约,其感知任务的分发准确性却不能满足用户的需要,如何可靠地完成用户的感知任务,将是群智感知任务分发面临的一个挑战。本文将基于感知任务分发的位置、完成感知任务时间最优、执行感知任务用户以及智能体之间的关联关系等问题进行研究,为提升感知任务分发的准确性提供相应的解决方法。主要研究内容概括如下:（1）针对群智感知网络中对感知位置和完成任务时间敏感的感知任务,如何提升其任务分发的准确性问题,本文提出时间窗口概念,在给定的时间窗口内发布感知任务信息,对符合感知位置和时间窗口中的参与者进行Kullback-Leibler相似性计算,以变阶马尔科夫时间窗口对感知任务进行位置估计,确定执行任务的参与者。通过与标准的马尔可夫K均值、K均值遗传算法进行比较,其任务分发的准确性有了明显的提高。（2）有些群智感知网络中感知任务的分发问题,主要与参与者的人数、完成感知任务需要的人数及所需要时间密切相关,缺乏质量保障的任务分发问题考虑,为了使参与者积极参与感知任务,提供高质量的感知数据。通过感知用户提交的感知数据,建立感知任务数据质量和感知任务时间制约概念,提出报酬激励机制的感知任务分发模型,实验证明所提算法能够提供更加准确可靠的任务分发服务。（3）群智感知网络中对感知任务分发的影响,主要是针对任务完成时间或所有任务完成时间最优问题,而很少研究感知任务的时间对感知任务完成过程的影响。本文提出一种基于用户关注度与时间监督的任务分发算法,在执行任务过程进行起始监督、过程监督和完成监督;通过分析参与感知任务的用户间关联关系,建立用户间关注度模型。与其他任务分发算法对比,该算法体现出了用户间关注度对任务分发的影响,同时时间监督掌控了任务执行过程,分发双方可以及时了解任务执行过程,有效提高了分发双方的满意度。（4）针对执行感知任务的智能体其属性对感知任务分配的影响问题,本文提出基于D-S证据理论和多属性融合的任务分配算法,该算法首先分析了群智感知网络的结构特征以及智能体之间的关联关系,提出智能体感知任务的成功率、智能体之间的满意度和智能体的活跃度等概念,刻画智能体之间的关系对任务分发的影响。通过真实和虚拟数据集,所提算法和对比算法进行对比实验分析,显示本文所提算法在感知任务分配的准确度等性能指标上有较好的表现。本文从感知任务的位置,感知任务完成所需要的时间对其的影响,用户以及智能体之间的关联关系等对群智感知任务分发进行理论探讨和实验验证,研究结果对提升感知任务分发的准确性,具有一定的理论研究意义和现实价值。