针对蒙特卡罗定位算法采样效率低和采样次数多等缺陷，在SOMCL算法的基础上提出一种基于自适应采样优化的定位算法LAASO。该算法采用锚盒子与预测区域进一步优化采样区域，通过采样区域的大小自适应确定样本数目，利用SOMCL算法中的曲线拟合对样本权值进行优化。仿真测试表明，当速度变化率为25m/s，且最大速度小于60m/s时，相比MCL算法和SOMCL算法，LAASO算法定位精度分别提高了40%和36%，采样次数分别降低为20%和31.5%，且更适应于高速运行环境。