CPFxDRL: A Vast and Self-Intersection-Free Airfoil Optimization Framework
Cet article introduit CPFxDRL, un nouveau cadre d'optimisation de profils aérodynamiques qui couple l'apprentissage par renforcement profond avec des fonctions de typeelse piecewise constructives pour créer un espace de recherche de faible dimension et sans auto-intersection qui surpasse les méthodes CST traditionnelles en termes de vitesse de convergence et de fidélité géométrique, tout en soulignant la nécessité critique d'une validation par CFD haute fidélité pour prévenir le détournement de récompense (reward hacking).