粒子群优化算法(PSO)是一种群集智能搜索算法,来源于对鸟类捕食的行为模拟和其模型构建。因其定义简单,为解决复杂优化问题另辟蹊径且十分有效,因此,许多学者对其十分关注,且经过研究,该算法已在众多领域得以广泛应用。但由于其理论还很不完善,还存在过早收敛的问题。到目前为止,为改善这些不足,许许多多的改进算法被提出。本文在此基础上,以提高算法性能为最终目的,也深入研究了关于PSO的改进方法,并将此方法成功应用于传感器网络的节点定位中。本文先是通过对粒子轨迹和算法收敛性的分析,分别对简化PSO系统和一般化PSO系统进行研究分析。另外对无约束的轨迹实例分析,更直观的描述了粒子的收敛性、周期性和离散性。基于此前分析找出致使过早收敛的成分和对其的解决方式。经过研究分析,得出算法的全局收敛条件和局部收敛条件。本文通过对基于惯性权重、学习因子、收缩因子、混合算法的改进PSO算法的研究,以传感器的节点定位为研究背景,充分利用混沌映射的优势,并结合PSO,提出了新的改进算法,仿真研究证实,该算法确实可以优化传感器网络的节点定位问题,并使其定位精度得以提高,定位速度得以加快,在传感器节点定位问题上是一种确实可行的解决途径。