Arjun Narayanan

该工作把四边形块分解建模为半边网格上的马尔可夫决策过程，用离散Gauss–Bonnet恒等式给出的顶点不规则度下界（称为par）作为奖励目标与终止判据，先对可平凡构造的最优网格做行为克隆、再用PPO训练，在96个留出域上全部生成全四边形网格、平均95.7个可用、90个达到可证明最优，而Gmsh最强配置在相同单元数下仅完成51个、38个可用、0个最优。

该工作把四边形块分解建模为半边网格上的马尔可夫决策过程，用离散Gauss–Bonnet恒等式给出的顶点不规则度下界（称为par）作为奖励目标与终止判据，先对可平凡构造的最优网格做行为克隆、再用PPO训练，在96个留出域上全部生成全四边形网格、平均95.7个可用、90个达到可证明最优，而Gmsh最强配置在相同单元数下仅完成51个、38个可用、0个最优。