یکی از نیازهای اساسی گره های حسگر، اطلاع از مکان خود در محیط است. گرچه روش های زیادی برای مکان یابی گره های حسگر ثابت پیشنهاد شده است، اما مسئله مکان یابی گره های متحرک حسگر مسئله ای است که تاکنون کمتر مورد مطالعه قرار گرفته است. در این پژوهش دو شیوه جدید برای مکان یابی گره های متحرک حسگر، بر مبنای روش مونت کارلو پیشنهاد شده است. روشهای ارائه شده سعی دارند با بهره گیری بهینه از اطلاعات موجود در محیط، تا حد ممکن دقت عملیات مکان یابی را نسبت به راه حل های گذشته افزایش دهند و هزینه محاسباتی را کم کنند. به علاوه این دو روش می توانند تخمینی از حد بالای خطای مکان یابی گره ها بیابند. اطلاع از حد بالای خطای مکان یابی گره ها می تواند به الگوریتم های ویژه شبکه حسگر که نیازمند آگاهی از مکان گره ها هستند کمک کند عملکرد خود را ارتقا بخشند. نخستین روش پیشنهاد شده که usml نام دارد، با تغییر نحوه استفاده از اطلاعات دریافت شده از گره های راهنما و اطلاعات مربوط به مکان قبلی هر گره موفق به بهبود خطای مکان یابی در بازه گسترده ای از شرایط مورد مطالعه می شود. ولی دستاورد عمده این روش آماده سازی زمینه برای به کارگیری دومین الگوریتم پیشنهادی یعنی usml* است. الگوریتم usml* با اضافه کردن مرحله جدیدی به الگوریتم usml از اطلاعات مربوط به گره های همسایه عادی شبکه نیز برای کاهش خطای مکان یابی بهره می بردد. این روش در تمام شرایط مطالعه شده دارای دقتی بالاتر از روش های قبلی است. نتایج شبیه سازی نشان می دهد در شرایطی که سرعت حرکت گره ها کم و چگالی گره های شبکه زیاد باشد و گروه های راهنمای اندکی در محیط به کار گرفته شده باشند، الگوریتم های پیشنهاد شده در برابر سایر روش ها بهتر عمل می کنند. این شرایط، کاملا منطبق با نیازها و کاربردهای شبکه های حسگر است.