随着信息技术的飞速发展,众包作为一种集群体智慧、灵活有效解决问题的新型商业模式应运而生,并以其“低成本,高回报”的独特优势推动了各种网络平台的发展。越来越多的个人、公司、组织使用这种模式来节约成本。然而在动态众包平台中,由于各种复杂的场景下会产生大量的复杂任务,工人仅靠自己的力量无法完成。工人们之间的协调难度增大;单个任务的效益无法正确分配;工人们参与积极性会随着薪酬的降低而下降;工人的利益始终无法与平台一致。因此需要一种更公平、考虑更健全的任务分配机制。本文以众包平台任务分配为研究对象,以工人的自利性为切入点,博弈理论为基础方法,着重分析了工人基于自利心理做出的反应对自身效益以及平台效益的影响。设计了三种高效的任务分配方法来解决当前众包平台任务分配算法所存在的问题。（1）针对众包平台中单个任务效益分配不合理的问题,提出一种基于纳什议价解的任务分配算法（Task Allocation Based on Nash Bargainging Solution TANBS）。首先,使用博弈理论中纳什议价解理论分析了工人和众包平台之间的交互作用,将众包平台、任务提出者和工人之间的交互描述为一种议价关系。然后,讨论了个体理性对效益分配和任务分配的影响。最后,通过仿真实验验证了算法的有效性。（2）针对众包平台中任务参与者积极性低而导致平台总收益低下的问题,设计了一种积分机制来帮助众包平台通过信誉度激励来提高工人完成任务的积极性,所提出的算法称为考虑工人参与度的任务分配算法（Task Allocation Algorithm Considering Worker Participation,TAACWP）。首先,分析了不同任务环境中,工人在接受任务时的价值取向。其次,根据游戏机制中动机性提供的视角设计了一种平台积分的激励措施。最后,通过仿真实验结果表明,该激励机制有效提高用户参与度和平台总收益。（3）针对众包平台中任务参与者与平台利益不一致从而难以实现最大化社会总收益的问题,本文提出的基于市场权值的两阶段任务分配模型（Two-stage Task Allocation Algorithm Based on Market Weights TSABMW）旨在帮助平台和工人双方实现利润最大化的同时尽可能降低成本,完成零和博弈到合作博弈的转变。首先,最优竞争阶段使工人收益矩阵达到纳什均衡。其次,提出了市场权值的概念,定义了联盟中的领导者和追随者,构建第二阶段的工人联盟形成规则与合作规则。最后的仿真结果表明,该算法不仅能让任务候选人充分发挥自身优势参与竞争,还能优化市场的总体收益。