یکی از انواع سیستم های غیرخطی، سیستم های هیبریدی می باشند. این سیستم ها دارای چند مود کاری بوده و در هر مود معادلات دینامیکی متفاوتی بر آن ها حاکم است. با شروع کار سیستم از یک شرایط اولیه معین در یک مود، تحت شرایط خاصی سیستم به مودهای دیگر انتقال می یابد. با توجه به ساختار هیبریدی بسیاری از سیستم های صنعتی شامل سیستم های سویچینگ مانند خودروهای هیبریدی، سیستم تعلیق خودرو، خطوط تولید و ... ضرورت بررسی کنترل و تأمین عملکرد مناسب این سیستم ها مشخص می گردد. با توجه به غیرخطی بودن سیستم های هیبریدی استفاده از الگوریتم های کلاسیک برای کنترل بهینه این سیستم ها دشوار بوده و پیچیدگی های خاص خود را دارد؛ در نتیجه امروزه استفاده از الگوریتم های ابتکاری شامل عدم قطعیت برای کنترل سیستم های هیبریدی مورد توجه ویژه قرار گرفته است. در این پایان نامه ابتدا روش های گوناگون مدلسازی سیستم های هیبریدی تشریح شده و روش اتوماتای هیبریدی به عنوان جامع ترین مدل نمایش و تجزیه و تحلیل سیستم های هیبریدی انتخاب گردیده است. سپس یکی از استراتژی های کنترل بهینه با عنوان یادگیری تقویتی و الگوریتم های مختلف کنترل مرتبط با آن مورد بررسی قرار گرفته و در ادامه الگوریتم مورد استفاده در این پایان نامه به نام الگوریتم اتوماتای یادگیری تقویتی پیوسته و گسسته توضیح داده شده است. در نهایت دو سیستم کنترل ورود آب به دو تانک و کنترل حرکت تک چرخ به سمت مبدأ با استفاده از کنترل کننده های فازی و pi شبیه سازی شده و از الگوریتم اتوماتای یادگیری تقویتی پیوسته و گسسته برای تنظیم بهینه پارامترهای کنترل کننده های مذکور استفاده گردیده است.