基礎翼型與擾動樣本的持續

在翼型優化中，基礎翼型是滿足任務約束的穩定參照，為參數化、擾動範圍與評價標準提供錨點；缺少基準時，搜尋空間容易無序漂移，候選翼型之間也難以公平比較。

圍繞基礎翼型，對厚度分布、彎度或控制點參數施加可控擾動，按批次或線上方式持續生成擾動樣本族。局部精細搜尋與全局多樣性覆蓋需要同時兼顧，因此擾動強度、方向和取樣分布應當可控。

每輪樣本批量送入預測／評價環節，輸出多候選在目標上的表現；這些結果進入演化選擇、更新與再取樣，並據此調整下一輪擾動生成。

由此形成基準—擾動—預測／評價—演化回饋—持續生成的閉環：基礎翼型提供穩定錨點，擾動樣本提供多樣性，演化回饋讓多目標探索可持續、可擴展。

閉環中的四個控制點

• 基礎翼型選取：先確認基準滿足任務約束，再定義參數化空間與擾動範圍，避免搜尋空間無序漂移。
• 擾動樣本持續生成：按批次或線上方式擴展樣本，局部小擾動做精細搜尋，大擾動做全局覆蓋。
• 多樣本預測與演化結合：批量評價輸出多候選表現，作為演化選擇、更新與再取樣的依據。
• 持續閉環：根據演化回饋調整擾動強度、方向或取樣分布，使基礎翼型與擾動樣本共同支撐穩定、可擴展的多目標探索。