모바일 크라우드 센싱에서 가장 중요한 과제는 스마트 디바이스가 다양한 목표 지향적 응용프로그램을 위한 다양한 센싱 작업을 수행하도록 동기를 부여하는 것이다. 이는 작업 소유자와 스마트 디바이스 간의 상호 작용으로 스마트 디바이스가 작업 소유자로부터의 작업 수용 여부를 결정하는 데에 영향을 줄 수 있으며, 기존의 연구에서는 다양한 인센티브 기법과 기술을 사용하였다. 하지만 이 외에도 참여 디바이스의 에너지 제한 문제나 알려지지 않은 상호 작용 환경에서 간과되어 왔던 기능을 기반으로 하는 작업을 할당하는 문제 역시 해결해야 하는 주요 문제들이다. 본 논문에서는 이러한 문제의 해결을 위하여 작업 할당을 위한 노드들의 사용율 최대화를 위해 최적의 작업 할당 알고리즘을 제한하였고, 참여 노드에 대한 누적 보상을 향상시키기 위한 크라우드 센싱의 분산 형 Q-Learning 프레임워크를 모델링하였다. 그리고 시뮬레이션 결과를 통해 제안된 알고리즘의 성능을 입증하였다.