随着传感器技术以及无线通信的快速发展,手持移动终端市场的迅猛增长,推动并催生了移动群智感知的诞生与发展。移动群智感知的实现紧密依赖于参与者的参与水平以及感知数据的质量,然而参与者完成感知数据的收集是以资源消耗为代价的,甚至还面临着潜在的隐私泄露风险,这严重抑制了参与者的积极性;此外,如果移动群智感知平台中的用户没有被公平对待,遭遇不公平对待导致个体收益受损的用户会主动离开平台,这将严重影响平台的可用性,甚至超过一定阈值的用户离开将会导致整个平台的瘫痪。因此,需要结合移动群智感知系统不同的需求,充分考虑社会公平,选择恰当的激励方式,设计公平有效的激励机制,促进移动群智感知的可持续发展。针对移动群智感知中的服务交换竞争困境,采用博弈论方法设计基于选择公平的多元双边评级协议,规范引导用户的合作性行为,平衡用户之间的服务供需关系,最大化社会收益。构建服务交换应用中的交互过程为使用全支付竞争、非对称的三阶段序贯博弈模型,进行均衡分析。设计由多元评级标签与双边评级更新规则构成的评级协议,多元表示代表用户社会地位的评级标签是离散的多元变量,而不是简单的二元变量;双边表示评级更新规则依据建议策略同时对请求者和参与者的评级标签进行更新。定义单次背叛原则与选择公平原则,量化多元双边评级协议可持续的充分必要条件,形式化最大化社会收益的可持续协议设计问题,并设计了一个低复杂度的算法,通过两阶段的迭代过程求解最优的设计参数。通过广泛的仿真结果验证固有参数如何影响建议策略、设计参数、以及所设计的多元双边评级协议的社会收益性能。针对移动群智感知中任务不断涌现而参与者资源相对有限这一困境,设计基于最大最小公平的激励机制,激励参与者提高参与水平的同时平衡请求者的收益分配。给出最大最小公平的定义,在任务感知时间阈值的约束下形式化基于最大最小公平的多任务分配问题。构建请求者与参与者之间的交互过程为多领导者多追随者的斯塔克尔伯格博弈模型,转换公平性多任务分配问题为基于斯塔克尔伯格博弈的公平性激励机制设计问题。计算唯一的参与者的感知时间决策博弈均衡与请求者的奖励发布决策博弈均衡,分析最大化请求者与参与者各自收益的斯塔克尔伯格博弈均衡点。设计贪婪的基于最大最小公平的多任务分配算法,求解满足感知时间阈值的公平性多任务分配方案。仿真结果进一步验证了固有参数对社会收益和公平代价的影响,以及所设计的基于最大最小公平的激励机制的可行性与有效性。