Geometric feature knowledge-driven surrogate-based optimization via aerodynamic supervised autoencoder

Long Ma

doi:10.1016/j.ast.2025.111028

Geometric feature knowledge-driven surrogate-based optimization via aerodynamic supervised autoencoder

2025-10-05

0

PRE

AI

DOI：10.1016/j.ast.2025.111028

原文链接

原文求助

摘要

En 中文

• 提出了一种气动有监督自动编码器，用于学习与气动响应相关的几何特征，且仅需有限气动数据。 • 利用几何特征与气动响应之间的相关性，指导初始采样向接近最优解的区域进行。 • 在特征空间中，将预测解与当前最优解之间的欧几里得距离用作惩罚项，以增强填充采样的有效性。 • 所提出的优化框架将优化效率提高了约两倍，同时实现了更优的气动性能。

Geometric feature knowledge-driven surrogate-based optimization via aerodynamic supervised autoencoder

摘要

期刊

机构

引用论文