近年来,移动机器人的应用范围不断拓宽,被广泛应用于生产车间、餐饮服务、物流管理、日常生活等多种室内场景,因此对机器人自主性的要求也在不断提升。但室内的环境往往要比室外环境复杂得多,这对移动机器人自主导航性能提出了更大的挑战。自主导航包括路径规划和轨迹跟踪两个核心部分,但目前在路径规划的距离代价方面、轨迹跟踪的准确性等方面仍有较大提升空间。故本文中针对机器人自主导航过程中涉及到的路径规划和轨迹跟踪相关算法作了进一步的研究和探索。路径规划问题是机器人自主导航技术中的核心研究问题之一,在已有的路径规划算法中,经典的启发式搜索算法-A*算法因其算法效率高、实现简单而成为主流的求解算法。本文中,为了进一步降低距离这一代价值,将A*算法与差分进化算法结合起来。根据已知环境地图建立对应的栅格模型,利用A*算法预先快速地搜索出一条路径,然后设置一定的比率对其进行扩展,在区域内随机生成一系列的可行点,将A*算法生成通过可行点的路径作为差分进化算法的初始群体,进一步进行变异、交叉、选择操作求解出最优化的路径。针对本文所提算法,在Matlab仿真环境下,建立一个复杂的栅格模型并给定起始点和目标点,进行了路径规划仿真实验,将A*算法与差分进化算法融合,利用单因素设计法分别控制种群数量、松弛系数、扩展比率、复制位置比率、交叉概率等确定最优参数,进而求解出最优路径。实验结果表明A*与差分进化融合算法始终可以找到短于单独使用A*算法的路径,实验表明路径的距离代价更低,路径更优。在求解出最优化路径之后,需要解决的另外一个核心问题就是机器人的轨迹跟踪问题。本文采用基于自适应网格蚁群算法的反步法（Back-Stepping）设计轨迹跟踪控制律。然而反步法设计的控制律中的初始参数具有不确定性,需要不断地手动调整参数,导致跟踪效果具有随机性,针对反步法初始参数取值盲目影响控制器设计效率及鲁棒性的问题,本文中引入鲁棒性较强的蚁群算法对反步法进行优化,在能保证累计位姿误差最小的前提下自动给定参数来提高反步法的效率。与此同时,又将自适应网格方法与蚁群算法结合起来使用,进一步提高了求解精度。针对本文所提算法,建立了轮式移动机器人模型,在Matlab仿真环境下,分别对曲率无穷大、曲率固定、曲率不固定的直线、圆、衰减正弦曲线三种典型曲线以及常用的矩形、圆顶矩形两种曲线进行了轨迹跟踪仿真实验,同时给出了位姿误差曲线和累计V值误差。实验结果表明本文算法可以智能地自动选定使得累计V值最小的反步法初始参数,达到了很好的轨迹跟踪效果。本文针对移动机器人自主导航问题中相关的路径规划及轨迹跟踪现有算法所存在的问题,进行了有针对性改进研究,在理论分析的基础上,进行了充分的仿真实验研究,为相关领域研究提供了理论参考。