无线传感器网络作为一种新兴的技术,自提出后一直受到广泛的关注和研究。其应用广泛,在军事,民用上都有许多成功的案例。节点定位是众多应用的基础支撑,只有在拥有位置信息的前提下,收集的信息才具有参考研究价值。由于无线传感器节点自身资源和成本的限制,通常无法为所有节点配置GPS设备,因此自组织的定位算法显得尤为重要,定位算法的研究成为无线传感器网络领域的研究重点之一。粒子群算法(PSO)作为一种群体智能算法,在搜索最优值方面具有很大优势,其具有实施简单,最终解比较精确的特点。标准的粒子群算法在搜索过程中容易陷入局部极值,也就是早熟,使得最终解的精度比较低。如何解决早熟问题,加速收敛一直是粒子群算法的研究重点。许多研究人员将粒子群算法应用于传感器节点的定位,首先把节点定位转换成搜索极值的问题,通过优化标准的粒子群算法提高定位的精度,取得了不错的成效。本文提出了基于分组的粒子群定位算法,将每一个节点对应的原始粒子群分解为两个子群,每一个子群采用不同的优化粒子群算法进行迭代收敛,并通过事先制定的策略完成彼此的信息交互。本文首先研究了分组框架的细节,优化了分组策略和分组信息的交互,提高了能量利用率,降低了早熟的几率。随后,本文提出了两种基于维度优化的粒子群算法,分别应用于每个分组中,提高了分组的定位效率和交互信息的价值,进而提高了整体算法的性能。实验结果表明,本文提出的基于分组的粒子群定位算法在节点定位精度上表现良好,相对于标准的粒子群算法和未经优化的分组策略有很大的性能提升。