火星作为离地球最近的一颗行星，自然环境接近地球，使得对于火星的探测成为近来深空探测领域的热点领域之一。由于火星距离地球较远以及火星环境的不确定性，使得火星探测任务的难度加大，所以任何对于轨迹优化和制导方法研究的进步都有着极其重要的现实意义。本文具体研究内容总结如下：为了解决火星大气进入轨迹的优化问题，采用三种不同方法分别对火星进入轨迹进行优化。首先，采用高斯伪谱法将火星大气进入轨迹优化问题转化为非线性规划问题，并在一定范围内选取随机点作为寻优的初始点，利用序列二次规划算法（SQP）求得火星大气进入的最优轨迹。其次，利用遗传编码技术直接将控制变量离散，并通过单纯形法与遗传算法的混合算法求解轨迹优化问题，求得一条最优轨迹。然后，参考高斯伪谱法优化出的最优轨迹，用带参数的方程近似最优控制方案，并利用粒子群算法优化方程参数，得到另一条最优轨迹。最后结合仿真数据，综合分析了三种优化方法的优缺点。针对火星进入存在的初始误差与系统模型误差问题。首先，采用了一种预测制导算法，分别求解了有大气模型误差和无大气模型误差两种情况的制导问题，并将有大气模型误差的结果与第二种制导算法相比较。然后，将火星大气进入的制导率设计与滑模变结构控制相结合，提出了基于径向基神经网络（RBF）的多滑模制导方法。基本思想是：利用RBF神经网络近似系统参数不确定量，将状态误差作为第一滑模面，设计虚拟控制量确保状态误差在有限时间内为零，第二滑模面的设计目的用于跟踪虚拟控制量，可以提高制导控制的跟踪效果。最后，结合仿真结果分析了该制导方法的特点。