自主式水下潜航器(Autonomous Underwater Vehicle,AUV)作为一种隐蔽性高、灵活性好、经济开销小、自主程度高的新型水下装备已经成为了解决水下问题的重要助力之一。针对水下未知环境中的目标搜索问题,本文的主要研究工作叙述如下:首先,通过对多AUV协同技术、目标搜索技术的研究现状进行分析,明确了课题的研究背景和意义,并构建了AUV运动学模型,声呐模型和对神经激励网络进行了原理分析,为后续研究内容做了铺垫。其次,针对水下未知障碍物环境中的信号源搜索路径规划问题,本文提出了一种基于改进神经激励网络的AUV多目标搜索算法。针对基于神经激励网络的目标搜索算法无法高效处理多目标搜索问题和多障碍物环境下的搜索问题,分别结合了遗传算法和改进人工势场法进行优化。在以上两种改进基础上,考虑了AUV的转向角度限制和转向代价,通过对比实验验证了其高效性和可行性。然后,针对目标位置未知的水下目标搜索问题,本文提出了一种基于实时感知地图的目标搜索算法。本算法在建立包括目标存在概率地图、不确定度地图、重访素地图在内的实时感知地图和设定其更新规则的基础上,设立了吸引源地图引导AUV搜索未知程度较高的边角区域,结合神经激励网络算法建立了吸引素更新公式,提高了搜索效率。通过建立搜索状态地图,使其引导AUV向周围未搜索的区域进行搜索。并以实时感知地图为基础设定了搜索收益函数,从而使AUV做出最优的搜索决策。基于实时感知地图的目标搜索算法能够高效的搜索到未知环境中的目标。通过对随机分布目标的搜索任务进行仿真实验,验证了所提算法的可行性和高效性。最后,针对未知大范围海域中的水下协同搜索问题,本文提出了一种基于分布式的滚动时域搜索算法。在实时感知地图的基础上,对吸引源地图的激活机制做出了调整,并提出了吸引源分配策略,使其满足多AUV系统的搜索需求。采用分布式系统结构,降低了对通信链路的要求,增加了多AUV系统中的鲁棒性。并在考虑AUV之间避碰的基础上,使用滚动时域搜索策略模型,使AUV尽可能的协同搜索环境不确定度高的区域,高效降低整个搜索环境的不确定度。通过仿真实验验证了多AUV系统在正常和出现部分故障AUV两种情形下的搜索性能,验证了该方法的鲁棒性和高效性。