众包是指一个企业（或者组织）通过互联网把过去由内部员工执行的工作任务,以自由自愿的形式外包给非特定的大众,从而达到多边共赢。众包这一概念自2006年由Howe Jeff提出后,已经成功应用在人机交互、数据库、自然语言处理、机器学习和人工智能、信息检索、计算机理论等学科领域。总体而言,众包具有以下优点:寻找不同寻常的解决方案、减少管理成本、思维多样性、更快的问题解决方式、富集更多的用户数据等。上述这些优点使得众包技术得到了学术界和工业界的广泛关注,广大研究人员密切关注众包的理论和方法,同时也涌现了许多众包的商业平台,例如猪八戒、阿里众包等。众包的本质是一种基于互联网的分布式问题解决和生产组织模式,其核心在于群体智慧和外包。它通过一些特定的策略和方法,引导大众完成一些小任务,最终实现比较大的目标。众包将分解后的小任务分配给闲散在互联网上的人机物等资源,众包应用场景的任务分配技术面临的一个共性难题是:随时到来的任务、互联网上的潜在工作者都存在着巨大的不确定性,且往往没有更多的先验经验和知识支撑,意味着对数据和先验知识过于依赖的群智技术在众包应用中受到极大挑战。激励机制设计是群体智慧和博弈论的一个分支,其在响应冷启动的任务分配中最为高效。机制设计关注的是在人机物融合的当代,基于自愿选择、自由交换的原则,在不完整信息及非集中式决策的条件下将互联网上分散的人机物整合为一个整体,以完成各种行为。由于互联网众包任务的多样性和复杂性,现有的机制设计研究技术和成果在响应众包应用需求的过程中存在诸多不足。针对众包场景的多样性,本文将使用机制设计技术和博弈论模型,为同构、异构、在线和跨平台四类任务分别设计任务分配激励机制模型。具体而言,本文的主要工作内容和研究创新如下:1)面向同构任务的众包激励机制.基于众包微任务（任务间耦合少、能力需求简单、质量容易控制）的假设,将问题建模为同构任务的机制设计问题。针对利润最大化和预算限制两种场景,基于利润提取和贪心排序的思想,提出可用于对称子模发包方的效用函数的任务分配激励机制,实验结果表明所提出机制的效能大幅度高于理论下界。2)面向异构任务的众包激励机制.基于众包复杂任务的假设,将问题建模为异构任务的机制设计问题。针对多类别任务和拓扑结构任务两种场景,基于联盟博弈和核选择的思想,提出可用于团队分配的激励机制和相应的模型复杂度减小算法,实验结果表明所提出机制的成本大幅度小于VCG机制。3)面向在线任务的众包激励机制.基于互联网平台中的任务和潜在工作者的不确定性,将问题建模为在线任务的机制设计问题。针对利润最大化和预算限制两种场景,基于在线采样和利润提取的思想,提出用于拓展离线机制到在线机制的两阶段采样和多阶段采样框架,实验结果表明所提出在线机制的效用略低于离线场景下算法的效用。4)面向跨平台任务的众包激励机制.基于平台间任务的交互性,将问题建模为跨平台任务众包机制设计问题。针对加权平均最大化和最小值最大化两种场景,基于贪心排序和分而治之的思想,提出具有平台权重的预算可行算法和预算分配框架,实验结果表明所提出机制的效能高于所选取的基准算法。