本研究主要探讨针对移动群智感知的任务分发方法,提出一种新的参与者选择策略:多任务并发的参与者优选。与传统方法不同的是,选定的参与者能够在规定时间内同时完成多个任务,从而有效降低群智平台的成本。引入了MultiTasker方法,选择最佳的参与者集合,使得任务完成时参与者的移动总距离最短,同时优化用户资源利用效率。研究设计了三种算法:T-Random、T-Most和PT-Most,分别以任务为中心和用户为中心进行参与者选择。通过大规模真实数据集的实验评估,分析了任务分布和执行时间等因素对参与者选择的影响。