采用传统在线优化方法进行长串联多体自主式水下航行器(AUVs)动力分配时存在计算周期长、效果不佳等问题，为此提出一种离线模型训练与在线动力优化相结合的新方法。首先采用哈里斯鹰优化算法生成动力分配数据集，以其训练神经网络模型，减少在线处理时间；然后基于当前直航状态调用离线模型和粒子群优化算法，进行在线动力分配。为验证本文方法的有效性，在Matlab环境中对30个单元组成的长串联多体AUVs进行动力分配仿真，结果表明：长串联多体AUVs的单元间距和整体直航速度均快速收敛到目标值；与直接使用遗传算法相比，采用本文方法进行动力分配得到的最大单元间距与理想间距相对偏差降低了37.67%、最小单元间距与理想间距相对偏差降低了6.50%、整体直航速度与目标直航速度相对偏差降低了56.00%。离线训练与在线优化相结合的动力分配方法有效提升了长串联多体AUVs的航行稳定性，可为其在复杂水下环境中的应用提供理论基础和实践指导。