一种基于双延迟深度确定性策略梯度算法的网格优化方法

本发明公开了一种基于双延迟深度确定性策略梯度（Twin Delayed Deep Deterministic policy gradient，TD3）算法的网格优化方法，属于工程仿真网格优化技术领域，包括以下步骤：S1.读取工业标准格式的网格文件，提取节点标识、坐标及连接关系；S2.构建强化学习环境，定义状态空间、动作空间及奖励函数；S3.构建包含Actor策略网络和双Critic评估网络的TD3架构；S4.迭代训练网络模型；S5.应用训练后模型优化网格，输出标准格式优化文件并生成质量报告及可视化结果。本发明通过深度强化学习实现网格自主优化，可提升工程仿真中的网格划分质量，具有自动化程度高、优化速度快等优势，为工程仿真领域提供高效可靠的网格优化解决方案，有助于提高数值仿真精度和研发效率。