MUSIC算法作为空间谱估计中一种经典的超分辨算法，在阵列信号的多维参数估计中具有重要的应用，但算法中谱峰搜索过程较大的计算量，使其在实时性要求较高场合的应用受到限制。遗传算法的并行性、全局寻优及简洁性等特点，及其在复杂函数寻优中的广泛应用，为上述问题提供了一种解决方案，但该算法也存在一些问题。本文主要针对遗传算法的未成熟收敛现象和局部搜索能力差的问题，对遗传算法进行了改进。对于求全局最优点的情况，本文提出了一种双变异算子遗传算法，正交变异算子与多位点变异算子联合作用。正交变异算子对各基因座上基因值的比例进行均衡，以维持种群多样性，克服未成熟收敛；小变异概率的多位点变异算子则用于提高算法的局部搜索能力。通过对算例函数的仿真，验证了改进措施的有效性。对于求多个局部最优点的情况，本文对基于确定性排挤机制的小生境遗传算法进行了改进，引入了迁徙策略，提出了一种适合于二维参数估计的分级梯度算子，并将基因均衡的思想应用到小生境遗传算法中。改进后的小生境遗传算法，能够更好的维持种群的多样性，局部搜索能力更强，解的精确度更高，并通过算例进行了验证。最后，将改进的遗传算法应用到MUSIC算法的谱峰搜索过程中，对改进遗传算法在单信号源和多信号源情况下的MUSIC谱峰搜索性能进行了仿真分析，并对遗传算法和遍历法谱峰搜索的计算量进行了对比，遗传算法的谱峰搜索能够在很大程度上降低MUSIC谱峰搜索的计算量。本文的研究不仅对MUSIC算法在实时性场合的应用有很大的意义，而且对于其他复杂函数的寻优也有重要的参考价值。