En entornos interiores grandes, la posición y el seguimiento precisos de las personas y del equipo autónomo se han convertido en requisitos esenciales. La aplicación de unidades de transporte móviles cada vez más automatizadas en espacios interiores grandes exige un conocimiento preciso de sus posiciones, tanto por razones de eficiencia como de seguridad. Además, es probable que las señales del Sistema de Posicionamiento Global (GPS) basado en satélites no se puedan utilizar en espacios interiores profundos, y tecnologías como WiFi y Bluetooth son susceptibles a ruido de señal y efectos de atenuación. Por estas razones, un enfoque híbrido que emplea al menos dos tipologías de señales diferentes demostró ser más efectivo, resistente, robusto y preciso en la determinación de la localización en entornos interiores. Este documento propone una técnica híbrida mejorada que implementa la localización interior basada en huellas digitales utilizando información de la Fuerza de la Señal Recibida (RSS) de los puntos de acceso a la Red de Área Local Inalámbrica (WLAN) disponibles y la tecnología de Red de Sensores Inalámbricos (WSN). Se registraron seis señales en una rejilla regular de puntos de anclaje que cubre la superficie de investigación. Con fines de optimización, se aplicó un pesaje de señal crudo apropiado de acuerdo con investigaciones anteriores sobre los mismos datos. El enfoque novedoso de este trabajo consistió en realizar una teselación virtual de la superficie interior considerada con un conjunto regular de mosaicos que abarcan toda el área. El proceso de optimización se centró en variar el tamaño de los mosaicos así como su posición relativa con respecto a la rejilla de adquisición de señal, con el objetivo de minimizar el error de distancia promedio basado en la precisión de identificación de mosaicos. El proceso de optimización se llevó a cabo utilizando una Optimización Estándar de Enjambre de Partículas Cuánticas (QPSO), mientras que la estimación del error de posición para cada configuración de mosaico se realizó utilizando una red neuronal de Perceptrón Multicapa (MLP) de 3 capas. Estos resultados experimentales mostraron una reducción del 16% en el error de posicionamiento cuando se calculó una configuración de mosaico adecuada en el proceso de optimización. Nuestro valor final alcanzado de 0.611 m de incertidumbre de ubicación muestra una mejora sensible en comparación con nuestros resultados anteriores.