典型文献
基于深度Q网络的平面域Delaunay网格优化算法
文献摘要：
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.
文献关键词：
Delaunay网格;网格优化;深度Q网络;深度强化学习
中图分类号：
作者姓名：
张浩杰;刘星;李鸿晶
作者机构：
南京工业大学工程力学研究所 南京 211816
文献出处：
引用格式：
[1]张浩杰;刘星;李鸿晶-.基于深度Q网络的平面域Delaunay网格优化算法)[J].计算机辅助设计与图形学学报,2022(12):1943-1950
A类：
B类：
面域,Delaunay,网格优化,网格生成,deep,network,DQN,质量评估,满足要求,元结,结点,升序,Markov,决策过程,模型训练,经验参数,质量优化,气缸体,机械零件,试算,畸变,质量分布,深度强化学习
AB值：
0.411569
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
