海洋自然资源的丰富性及海域的宽阔性使其成为各国军事战略的重中之重。随着海洋军事及水声工程技术的飞速发展,对潜艇、蛙人、水下机器人等水下目标的定位(方位估计)精度提出了更高的要求。高精度的实现通常是以庞大的计算量为代价,进而使得实时性难以得到保障。本文从多重信号分类算法(Multiple Signal Classification,MUSIC)这种经典的波达方位估计算法入手,针对其谱峰搜索过程中计算量过大和实时性不够的缺陷,利用进化算法的并行迭代性,对MUSIC算法进行改进,达到保证精度的前提下,提高实时性的目的。首先,阐述了目标定位及进化算法的主要理论。通过对MUSIC算法的理论分析,建立了不同阵列下的阵列模型,分析了其优缺点。利用进化算法迭代寻优和并行计算特点,将进化算法引入MUSIC算法的谱峰搜索过程,并对进化算法中新兴的粒子群算法和经典的遗传算法进行了原理研究。接着,研究对比了粒子群算法和遗传算法的寻优性能。根据MUSIC谱峰的性质,选择了两组分别对应一维和二维角度空间的相似函数,作为粒子群算法和遗传算法的寻优函数。数值仿真分析表明粒子群算法更为简洁,计算量更小,但遗传算法更易逃离局部最优,全局最优解搜索成功率更高的结论。考虑水声定位的实际应用要求,本文将遗传算法作为MUSIC算法的改进移植算法。在此基础上,利用遗传算法分别分析了基于均匀直线阵和均匀圆阵的波达方向估计。前者的搜索成功率在95%左右,计算量缩减较小;后者搜索成功率稳定在90%上下,而计算量随搜索精度的不同,减少到原算法的1/10到1/1000不等。然后,通过对遗传算法的选择、交叉、变异三个算子的理论分析,找出导致搜索成功率不够高的原因,并提出了相应的改进策略。选择算子采用了轮盘赌结合最优保存策略的改进方法,交叉算子采用若配对的两个体适应度都高则低概率交叉、适应度都低则多点交叉的方式,变异算子的值随当前代的整体差异自行修改。对改进后的算法进行了计算机仿真,搜索的成功率达到95%以上。最后,开展了目标主动声探测水池试验,利用改进的算法对获取的试验数据进行目标定位,验证了算法的可行性。