امروزه استفاده از شبکه های حسگر گسترش پیدا کرده است. و بسیاری از تحقیقات پیرامون شبکه های حسگر می باشند. یکی از موضوعات رایج در تحقیقات مکانیابی می باشد. مکانیابی به تشخیص اتوماتیک مکان گره هایی که مجهز به سیستم مکانیابی سراسری (gps) نیستند، گفته می شود، یکی از تکنیک هایی که برای مکانیابی در شبکه های حسگر از آن استفاده می شود، مقیاس پذیری چندبعدی است، چندین الگوریتم متمرکز و تنها یک الگوریتم توزیع شده (dwmds) با استفاده از این تکنیک ارائه شده است. در این پایان نامه یک الگوریتم توزیع شده با استفاده از این تکنیک به نام dfwmds پیشنهاد شد و در آن برخی اشکالات الگوریتم dwmds برطرف شد. یکی از مشکلات الگوریتم dwmds تخمین مکان اولیه و دیگری ارتباط زیاد با گره های همسایه می باشد، که در الگوریتم dfwmds سعی در رفع این مشکلات شده است. برای تخمین بهتر مکان اولیه گره های حسگر، با توجه به فاصله ای که از گره های مرجع دارند درجه عضویتی داده می شود و با توجه به آن مکان اولیه گره های حسگر تخمین زده می شود، به جای اینکه هر گره در هر مرحله ای که مکانش را محاسبه می کند آن را به گره های اطراف دهد در الگوریتم dfwmds فقط در مرحله اول این اتفاق می افتد، به همین دلیل هزینه ارتباط با گره های همسایه کاهش پیدا می کند، در الگوریتم dfwmds از تابع هزینه درجه دوم استفاده شده که با استفاده از آن هر گره به طور محلی بعد از دریافت مکان اولیه گره های همسایه اش، مکان خودش را اصلاح می کند. برای مقایسه الگوریتم dwmds و الگوریتم dfwmds هر دو الگوریتم شبیه سازی شدند و در چیدمان های تصادفی با توزیع یکنواخت، تصادفی با توزیع c-شکل، مشبک و مشبک c-شکل آزمایش شدند، آزمایش ها نشان داد الگوریتم dfwmds تخمین مکان با خطای کمتری نسبت به الگوریتم dwmds دارد و همچنین نسبت به الگوریتم dwmds انرژی کمتری مصرف می کند و می تواند جایگزینی برای dwmds باشد.