基于强化学习的自适应网格生成方法及系统

本发明提出一种基于强化学习的自适应网格生成方法及系统，属于计算机图形学与计算几何领域，包括：S1：根据输入已知模型，构建背景网格，计算已知模型的曲率特征与接近性特征，生成对应的尺寸场；S2：将待预测的未知模型，输入信息传递神经网络，预测得到未知模型的离散尺寸场；并对离散尺寸场进行插值处理，得到未知模型的连续尺寸场；S3：根据连续尺寸场和已知模型，引入强化学习，使用前沿推进法生成自适应网格作为训练数据集，用于训练监督训练网络，通过前沿推进法生成未知模型的自适应网格。本发明方法在保证网格拓扑结构合理性与几何质量的前提下，显著提升关键区域的网格精度与整体泛化能力，具有广泛的应用前景。