传统的机会式群智感知需要由平台进行集中式任务分配,存在对平台性能要求高和隐私泄露等问题.为了解决这些问题,本文提出了一种新颖的方案,旨在去中心化的机会式感知场景下,实现带有全局预算约束的任务分配,使任务覆盖最大化.区别于传统方法,通过参与者自主选择是否参与感知任务的方式来实现任务分配,构造了一个多智能体协同系统.在去中心化场景下,保证全局约束并实现高效的任务分配是一大挑战.为解决上述挑战,提出了两种方法:一种是将蚁群算法应用到任务分配问题上,同时以通信的方式获取目标评估函数以及更新信息素,实现智能体间协同求解,从而适用于去中心化的场景;另一种是基于QMIX框架的决策通信方法,将QMIX中智能体网络的输出作为建议动作,引入决策通信层,根据建议动作以及动作价值进行协商,从而遵循全局约束条件.在真实数据集上的实验结果表明,本文提出的两种方法在任务覆盖率上可以与集中式规划方法相当,并在耗时等综合性能上具有良好的表现.