移动群智感知是一种全新的物联网感知模式,它通过人们持有的各种移动智能终端设备获取大范围区域内的实时数据,被广泛认为是感知城市环境从而为公众提供智慧服务的崭新技术。任务调度是移动群智感知中的关键环节,合理的任务-用户调度方案应能在任务截止时间、数据可靠性、用户精力和设备电量有限等多重约束下,最优化任务发布者、服务平台和用户等多方的利益。混合蛙跳算法作为一种元启发式优化算法,特点是结构简单、全局寻优能力强等,适用于求解移动群智感知多任务调度这类具有多个优化目标的NP-hard难题。根据以上背景,本文对基于多目标混合蛙跳算法的移动群智感知多任务调度进行研究,研究内容如下:首先,提出一种用于求解多目标组合优化问题的三阶段混合蛙跳框架。该框架基于阶段化、模块化的设计思想,将种群的进化过程分为快速收敛、探索扩展、极值挖掘三个阶段。对于不同阶段的不同模块,设计不同的策略以提升框架的求解性能。采用经典的多目标背包问题作为测试问题,设计了离散跳跃规则、贪婪生成策略和放松约束修复算子。与六种已有算法进行对比,结果表明,所提框架具有良好性能,基于该框架设计的混合蛙跳算法具有更好的收敛性与分布性。其次,建立了具有约束多目标优化特征的移动群智感知变速多任务调度模型,将用户报酬和任务完成时间作为优化目标。提出一种三阶段多目标混合蛙跳算法。引入了基于启发信息的目标锚定混合初始化算子、对外部存储器的个体区域挖掘策略、改进的离散跳跃规则和约束处理算子。在四个真实算例和八个人工合成算例上,将所提算法与五种已有算法进行对比,结果表明,所提算法具有更好的收敛性和分布性,能够寻找到更佳的Pareto最优调度方案,从而为平台进行合理的任务调度提供有效的辅助决策。最后,建立考虑用户设备电量的移动群智感知变速多任务超多目标调度模型。该模型除了用户报酬和任务完成时间外,还同时优化了用户设备剩余电量和平台收益。为了有效求解所提模型,提出了代理辅助的三阶段超多目标混合蛙跳算法。设计了个体关系配对矩阵和基于代理辅助的比较算子。仿真实验结果表明,改进策略能够使得算法在所建超多目标优化模型中搜索到收敛性和多样性均较佳的Pareto非支配调度方案。