一种结合强化学习和条件生成对抗网络的翼型自适应设计与优化方法

本发明提出了一种基于强化学习和条件生成对抗网络的翼型自适应设计与优化方法，属于翼型优化设计领域；旨在实现自适应最优翼型生成与快速优化两个核心功能；功能一：通过强化学习智能体与条件生成对抗网络生成器交互，持续学习不同设计条件下生成最优翼型潜在变量的生成策略，以自适应生成气动性能最优的翼型外形，实现翼型的智能化、自适应设计，显著缩短优化周期。功能二：引入基于元学习的自适应代理模型，该模型不仅建立了设计条件、气动性能与潜在变量的映射关系，直接预测特定翼型的最优潜在变量，而且能够快速通过简单调整就能适应更新的数据库；该代理模型为自适应生成框架预测出特定翼型对应的最优潜在变量，使得智能体可在微调的情况下，实现对特定翼型的快速优化。