本发明涉及网格划分领域，具体而言，涉及一种基于深度强化学习的有限元网格优化方法、设备和介质，方法包括：获取几何模型的初始有限元网格数据；根据所述初始有限元网格数据，生成所述几何模型的三维模型；采用检测网络对所述三维模型进行特征识别和分类，得到所述三维模型的局部特征和所述局部特征的分类结果；将不合理的局部特征输入至优化网络，以使调整后有限元网格数据的网格质量达到设定要求；捕捉用户对调整后有限元网格数据的再调整策略，将所述再调整策略作为正向激励对所述优化网络进行强化学习，以更新所述优化网络；并采用更新后的优化网络继续优化所述调整后有限元网格数据，本实施例可以提高网格划分的精度。
声明：
“基于深度强化学习的有限元网格优化方法、设备和介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1203
编辑：管理员
来源：北方有色网
咨询细节
