en کنترل و برنامه ریزی مسیر ربات های AUV با استفاده از الگوریتم بهینه سازی گله کریل و یادگیری اتومات در این مطالعه ابتدا معادلات حرکت یک ربات زیر آب&nbsp; بررسی می شود و مدل حالت-فضای سیستم با خطی سازی معادلات موجود بیان می شود. سپس ، با استفاده از معادلات پویا و روش بهینه سازی برنامه ریزی پویا ، یک مسیر کارآمد انرژی برنامه ریزی می شود.&nbsp; هدف اصلی این مطالعه ارائه یک کنترل کننده مناسب برای مدل حالت-فضا از سیستم است. بدین منظور ، با مطالعه طراحی کنترل کننده سیستم با استفاده از کنترل کننده بهینه <span dir="LTR">LQR</span> ، یک کنترل کننده مناسب برای مدل ارائه شد. برنامه ریزی مسیر رسیدن به یک هدف برای ربات زیر آب با استفاده از ترکیبی از الگوریتم بهینه سازی با یادگیری اتومات و الگوریتم بهینه سازی گله کریل ارائه گردید. به عبارت دیگر ، این مطالعه از الگوریتم ترکیبی برای یافتن مسیر بهینه حرکت ربات زیر آب در یک محیط ثابت استفاده شد که از طریق نقشه با گره ها و پیوندها بیان می شود. <em>In this study first, we investigated the equations in movement of an underwater robot and also the state-space model of system is expressed with linearizing existing equations. Then, an energy efficient path is planned using dynamic equations and dynamic planning optimization method. There are moving obstacles in environment in which a robot is moving. It can be seen that the planned path is flat and energy consumption is minimized. The main objective of the study is to present an appropriate controller for the provided state-space model of system. For this purpose, by studying the system controller designing using LQR optimal controller, an appropriate controller for model has been presented. The planning a path to a target for the underwater robot has been presented using combination of optimization algorithm with learning automata and the krill herd optimization algorithm. In other words, the study has applied hybrid algorithm in order to find optimal path for the underwater robot to move in a static environment which is expressed through the map with the nodes and links</em> بهینه سازی , ربات زیر آب , مدل حالت-فضا , کنترل کننده بهینه LQR , یادگیری اتومات , الگوریتم گله کریل optimization, underwater robot, state-space model, LQR optimal controller, learning automata, krill herd algorithm. 1 8 http://sjfst.srpub.org/browse.php?a_code=A-10-2-26&slc_lang=en&sid=6 Seyyed Alireza Razavi Asfali سید علیرضا رضوی اسفلی 1003194753284600162 1003194753284600162 Yes Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran گروه مهندسی مکانیک ، دانشگاه صنعتی شریف ، تهران ، ایران