1.一种密集网络中基于公平性的分布式多任务群智感知方法,其特征在于：包括如下步骤：

S1：建立移动众包系统模型：服务器将任务集Γ分配至n个用户，每个用户可同时参与并执行多个任务以获得报酬，且每个用户i具备由于感知而产生的成本Ci，i＝1，…，n；

l

所述任务集Γ具有m个任务，每个任务l具有总报酬R ,l＝1,…,m；

定义 表示在k时刻用户i完成任务l所得到的报酬率，其中 和 分别表示相应的报酬和成本，当 时，第i个用户不能执行第l个任务，不存在相应的报酬率值；

S2：服务器与用户之间进行交互：S21，服务器将任务集Γ发送给所有用户节点，同时得到参与每个任务所对应的用户数l

N；

l l

S22，服务器将报酬R/N ,l＝1,…,m发送给所有用户节点；

S23，每个用户通过局部交流通信进行信息交换；

S24，完成局部交流通信后，所有用户将收集到的数据上传至服务器；

S3：用户之间进行交互：采用基于一致性的报酬分配方案算法进行迭代；所述基于一致性的报酬分配方案算法具体如下：S31，每次迭代时，一个用户获取其邻居用户的报酬率信息；所述用户的邻居用户为能够获得该用户的信息并与该用户共享同一任务的用户；用户i的邻居用户为能够获得用户i的信息并与用户i共享同一任务l的用户；同一个用户i具有与其所参与的任务数目相等的邻居集合，任意两个用户i和用户j之间均存在一条连接路径；S32，每个用户根据邻居用户及自身的报酬率信息更新其参与任务所获得的报酬值；

S33，所有用户将自己的成本重新分配给他们参与的所有任务；

S34，判断是否满足所有用户报酬值一致，若否，则返回步骤S31，若是，则所有用户参与的每个任务的报酬率值一致，实现系统公平性。

2.根据权利要求1所述的方法，其特征在于：用户节点之间的连接关系满足以下条件：

1)对于一个给定的任务，入度和出度相等时，一个用户在这个任务上达到平衡，当该任务上的所有用户都实现公平时，拓扑达到平衡；

2)当所有用户在不同的任务中执行基于一致性的报酬分配方案算法，且每个任务的拓扑达到平衡时，它们的报酬率值渐近同步。