计算机辅助设计与图形学学报

作者：张浩杰, 刘星, 李鸿晶

关键词：Delaunay网格, 网格优化, 深度Q网络, 深度强化学习

网格优化是Delaunay网格生成后的必要步骤,对于保证数值模拟的可靠性至关重要.为了改善平面域Delaunay网格的质量,提出一种基于深度Q网络(deep Q network, DQN)的网格优化算法.首先,对初始网格进行质量评估,选出不满足要求的单元结点,并将其按质量升序排列;其次,将结点移动描述为Markov决策过程,建立并训练DQN模型;再次,利用模型训练后的经验参数加速网格质量优化;最后,以实际的隧道、气缸体、机械零件等为背景构建测试算例,验证算法的适用性和可靠性,并与既有典型算法进行对比试验.研究结果表明,本文算法能显著提高畸变单元的质量,优化后的网格质量分布更为集中,且优化过程不会产生无效单元.

来源：2022年第12期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2022年第12期