Profil de base et génération continue d'échantillons perturbés

Dans l'optimisation de profils d'aile,le profil de baseest une référence stable qui satisfait les contraintes de la mission et sert d'ancrage pour la paramétrisation, la plage de perturbation et les critères d'évaluation ; sans référence, l'espace de recherche dérive facilement de manière désordonnée et les profils candidats deviennent difficiles à comparer équitablement.

Autour du profil de base, on applique aux paramètres de distribution d'épaisseur, de cambrure ou de points de contrôle desperturbations contrôlées, afin de générer en continu des familles d'échantillons perturbés, par lots ou en ligne. Comme il faut concilier la recherche locale fine et la couverture de la diversité globale, l'intensité, la direction et la distribution d'échantillonnage des perturbations doivent être contrôlables.

À chaque itération, les échantillons sont envoyés par lots à l'étape deprédiction/évaluation, qui produit les performances de multiples candidats sur les objectifs ; ces résultats alimententla sélection, la mise à jour et le rééchantillonnage évolutionnaires, sur la base desquels la génération des perturbations de l'itération suivante est ajustée.

Il se forme ainsi une boucle ferméeréférence — perturbation — prédiction/évaluation — retour évolutionnaire — génération continue: le profil de base fournit un ancrage stable, les échantillons perturbés apportent la diversité, et le retour évolutionnaire rend l'exploration multi-objectifs durable et extensible.

Les quatre points de contrôle de la boucle fermée

Choix du profil de base: confirmer d'abord que la référence satisfait les contraintes de la mission, puis définir l'espace de paramétrisation et la plage de perturbation pour éviter une dérive désordonnée de l'espace de recherche.
Génération continue d'échantillons perturbés: étendre les échantillons par lots ou en ligne ; les petites perturbations locales pour la recherche fine, les grandes perturbations pour la couverture globale.
Combinaison de la prédiction multi-échantillons et de l'évolution: l'évaluation par lots produit les performances de multiples candidats, qui servent de base à la sélection, la mise à jour et le rééchantillonnage évolutionnaires.
Boucle fermée continue: ajuster l'intensité, la direction ou la distribution d'échantillonnage des perturbations selon le retour évolutionnaire, afin que le profil de base et les échantillons perturbés soutiennent ensemble une exploration multi-objectifs stable et extensible.

Conseil d'ingénierie

Si chaque itération ne fait que de petites perturbations dans la même direction, la population risque de converger prématurément ; à l'inverse, de grandes perturbations purement aléatoires peuvent gaspiller le budget d'évaluation. Une stratégie plus robuste consiste à mélanger perturbations locales et globales, et à utiliser le retour pour déterminer les priorités d'échantillonnage de l'itération suivante.

Processus de génération des perturbations de profil d'aile

L'illustration montre que le profil de base sert d'ancrage stable : des perturbations contrôlées sont appliquées aux paramètres d'épaisseur, de cambrure ou de points de contrôle, générant en continu les familles d'échantillons nécessaires à la recherche locale fine et à la couverture globale. Les échantillons sont envoyés par lots à la prédiction et à l'évaluation puis à la sélection évolutionnaire, et le retour sert à ajuster l'intensité et la direction des perturbations de l'itération suivante, formant une boucle fermée de référence, perturbation, évaluation et retour évolutionnaire.

Question 1

Dans la boucle fermée « profil de base et génération continue d'échantillons perturbés », quel est le rôle principal du profil de base ?

Servir d'ancrage stable pour la paramétrisation, la plage de perturbation et les critères d'évaluation

Servir uniquement à la visualisation, sans influencer la recherche

Fournir l'unique solution optimale, en évitant toute perturbation

Remplacer l'algorithme évolutionnaire en produisant directement le profil final

Question 2

Lors de la génération continue d'échantillons perturbés, quelle est l'approche la plus raisonnable pour concilier recherche locale fine et couverture de la diversité globale ?

Ne générer des échantillons qu'à la première itération, sans mise à jour ensuite

Ne faire toujours que de petites perturbations dans la même direction

Faire de grandes perturbations totalement aléatoires, sans référence

Ajuster par lots ou en ligne l'intensité, la direction et la distribution d'échantillonnage des perturbations

Question 3

Après l'envoi par lots des échantillons perturbés à l'étape de prédiction/évaluation, que produit-elle principalement ?

Produire uniquement la perte d'entraînement, sans base de sélection

Les performances de multiples candidats sur les objectifs, utilisées pour la sélection, la mise à jour et le rééchantillonnage évolutionnaires

Produire une seule étiquette codée en dur

Remplacer directement la géométrie du profil de base

Question 4

Comment le retour évolutionnaire soutient-il la génération « continue » dans la boucle fermée ?

Utiliser le retour pour ajuster l'intensité, la direction ou la distribution d'échantillonnage des perturbations, puis compléter les échantillons de l'itération suivante

Le retour sert à supprimer le profil de base

Le retour exige l'arrêt de toute génération d'échantillons

Le retour ne fait qu'enregistrer des journaux, sans modifier l'échantillonnage

Question 5

Si l'on part d'un profil de base supercritique pour l'optimisation, laquelle des options suivantes illustre le mieux la boucle fermée « référence — perturbation — prédiction/évaluation — retour évolutionnaire » ?

Générer aléatoirement un grand nombre de profils sans évaluation ni sélection

Utiliser un seul profil prédéfini pour couvrir tous les régimes, sans générer d'échantillons

Ne faire qu'une seule petite perturbation de la distribution d'épaisseur et l'adopter directement

Générer à chaque itération une famille d'échantillons de profils, les faire passer par l'évaluation/prédiction puis l'évolution, et compléter les échantillons perturbés de l'itération suivante selon les résultats

Cas pratique : optimisation par perturbations continues d'un profil de base supercritique

Lisez le scénario et répondez aux questions.

L'équipe a sélectionné un profil de base supercritique satisfaisant les contraintes de finesse aérodynamique en croisière et de volume, et souhaite mettre en place autour de lui un mécanisme de génération continue d'échantillons perturbés, avec une optimisation multi-objectifs par calcul évolutionnaire. Les objectifs incluent la maximisation de la finesse aérodynamique, la minimisation de la divergence de traînée et le respect des contraintes d'épaisseur structurelle. Actuellement, 256 échantillons de profils peuvent être générés par itération, et l'évaluation est longue.

1. Concevez le déroulement d'une itération de la boucle fermée « profil de base — échantillons perturbés — prédiction/évaluation — retour évolutionnaire », et expliquez pourquoi le profil de base ne peut pas être remplacé à volonté.

Réponse :
Déroulement : en prenant le profil de base comme ancrage, appliquer des perturbations contrôlées aux paramètres de distribution d'épaisseur, de cambrure ou de points de contrôle pour générer un lot d'échantillons de profils ; envoyer les échantillons par lots à la prédiction/évaluation pour obtenir les performances en termes de finesse aérodynamique, de divergence de traînée, de contraintes d'épaisseur, etc. ; puis passer à la sélection, la mise à jour et le rééchantillonnage évolutionnaires, et ajuster l'intensité, la direction ou la distribution d'échantillonnage des perturbations de l'itération suivante selon le retour. Le profil de base ne peut pas être remplacé à volonté, car il définit l'espace de paramétrisation, la plage de perturbation et les critères d'évaluation ; le remplacer entraînerait une dérive de l'espace de recherche, rendrait les candidats incomparables et ferait perdre à la boucle fermée sa référence stable.

2. Si l'évolution stagne pendant plusieurs itérations consécutives, comment utiliseriez-vous le retour évolutionnaire pour ajuster la génération des perturbations ?

Réponse :
On peut augmenter l'intensité des perturbations ou élargir la distribution d'échantillonnage pour introduire davantage de diversité globale ; ajuster la direction des perturbations pour mener une exploration ciblée sur les paramètres sensibles tels que l'épaisseur et la cambrure ; ou encore mélanger perturbations locales fines et perturbations globales, et augmenter la taille des lots ou compléter en ligne afin d'éviter une convergence prématurée de la population. En cas de conflit entre objectifs, il convient de conserver des candidats diversifiés sur le front de Pareto et d'utiliser le retour pour déterminer les priorités d'échantillonnage de l'itération suivante.