多智能体强化学习涡轮叶型优化算法

求解提速51倍

以多智能体强化学习并行求解不同优化目标,训练完成后可根据几何约束和气流攻角实时提供Pareto前沿。

Lele, Li · 张伟昊 · Ya, Li · Jiang, Chiju · Wang, Yufan

Energy Conversion and Management 2023

参数信息

平均求解时间
0.12 s
优化速度提升
51 ×

技术优势

不陷局部最优

将优化过程建模为马尔可夫决策过程,多智能体协同搜索全局最优解。

求解快51倍

平均求解时间仅0.12秒,而NSGA-II需要约6.1秒。

实时Pareto前沿

训练完成后,给定几何约束和攻角即可实时输出Pareto前沿,无需重新优化。

应用场景