众包旨在利用大众智慧解决单凭机器难以处理的问题。近年来,众包研究者提出复杂任务的概念,这类任务往往是多技能需求的,具有复杂的计算操作,单个众包工人无法完成。复杂任务的分配问题成为近年来的研究热点。复杂任务可以分解成若干由单个工人独立解决的子任务,该方法除了需要任务请求者具有较强的专业能力外,对一些耦合性比较强的任务,分解并非易事。有研究将复杂任务直接分配给具有多技能的工人或者团队,工人花费大量时间和精力完成复杂任务的意愿不强,加上众包工人质量参差不齐,任务完成质量难以保证。针对上述问题,本文提出在复杂场景下,基于多技能工人团队形成的众包任务分配方法,主要研究工作如下:(1)提出衡量复杂任务质量的新方法。将团队中工人有效技能质量之和以及团队协作效率作为质量控制的要素,一方面保证团队中工人拥有完成任务需要的较高技能质量,另一方面通过高效的团队协作更好地完成任务。(2)提出有leader团队复杂任务分配的启发式算法HCT-GFL和优化算法OCT-GFL。启发式算法根据工人的可用度进行工人选择,能够较好地满足任务的各项技能质量要求;优化算法通过剪枝策略缩小工人搜索空间,同时选择有效质量占比较大的工人作为团队的leader,提高leader对任务的技能质量贡献。实验表明,优化的OCT-GFL算法能高效地组织有leader的团队,且能改善任务完成质量。(3)提出无leader团队复杂任务分配的技能分桶HB-CT-GFO算法和整体替换策略RS-CT-GFO算法。技能分桶算法在工人团队形成阶段采用单质价比进行工人选择,并且采用局部替换策略对团队交流代价进行控制;整体替换策略算法则采用有效质价比对工人进行选择,兼顾工人所有对任务有贡献的技能,并采用整体替换策略控制团队交流代价。实验表明,与已有工作相比,本文提出的方法不仅能明显提升无leader团队的任务完成质量,工人团队的交流代价也得到了较好的控制。(4)本文首次将激励机制引入复杂任务分配问题中,提出引入激励机制的复杂任务分配方法,即将任务请求者和有leader的工人团队建模为买卖方拍卖模型,优化复杂任务分配。实验表明,带有激励机制的复杂任务分配算法能够提高工人的参与度以及对任务的接受度,进而提高团队完成任务的质量。