CPFxDRL: A Vast and Self-Intersection-Free Airfoil Optimization Framework
Questo articolo introduce CPFxDRL, un nuovo framework di ottimizzazione dei profili alari che accoppia il Deep Reinforcement Learning con le Funzioni Costruttive a Tratti per creare uno spazio di ricerca a bassa dimensionalità e privo di auto-intersezioni che supera i metodi CST tradizionali in termini di velocità di convergenza e fedeltà geometrica, evidenziando al contempo la necessità critica di una validazione CFD ad alta fedeltà per prevenire il reward hacking.