网格优化/平滑
optimesh的Python项目详细描述
三角形网格优化。
多个网格平滑/优化方法，一个简单的界面。optimesh
- 很快，
- 保留子画面，
- 仅适用于三角形网格（目前；upvotethis issue如果您对 四面体网格平滑），和
- 支持meshio可以使用的所有网格格式 把手。
使用安装
pip3 install optimesh --user
示例调用：
optimesh in.e out.vtk
输出：
左边的图表显示了角度的分布（网格线在 最佳60度）。右边的图显示了单纯形的分布 质量，其中质量是外圆和内圆半径之比的两倍。
所有命令行选项都记录在
optimesh -h
下面的例子展示了不同的算法，都是从同一个开始的 上面随机生成的磁盘网格。细胞的颜色表示质量；深绿色表示 坏，黄色是好的。
cvt（质心涡切变）
| uniform-density relaxed Lloyd's algorithm (^{ | uniform-density quasi-Newton iteration (block-diagonal Hessian, ^{ | uniform-density quasi-Newton iteration (default method, full Hessian, ^{ |
形心voronoi镶嵌平滑（Du et al.）是一种 最古老和最可靠的方法。optimesh提供经典的lloyd平滑 以及产生更好网格的几个变体。
cpt（质心斑块镶嵌）
| density-preserving linear solve (Laplacian smoothing, ^{ | uniform-density fixed-point iteration (^{ | uniform-density quasi-Newton (^{ |
由Chen and Holst提出的一种模拟cvt的平滑方法 但更容易实现。密度保持变量导致完全相同 方程组为拉普拉斯平滑，因此cpt平滑可以看作是 一般化。
均匀密度变量被经典地实现为一个不动点迭代和 作为一种拟牛顿法。后者通常收敛得更快。
odt（最佳delaunay镶嵌）
| density-preserving fixed-point iteration (^{ | uniform-density fixed-point iteration (^{ | uniform-density BFGS (^{ |
最优delaunay三角剖分（odt）由Chen and Holst提出。通常优于CPT，但也更昂贵 计算。
一次经典实现为不动点迭代，一次非线性实现 优化方法。后者通常会带来更好的结果。
哪种方法最好？
从实际实验来看，cvt的平滑变量，如
optimesh in.vtk out.vtk -m cvt-uniform-qnf
结果非常令人满意。（这也是默认方法，因此不需要 显式指定。）下面是应用于 上面看到的随机圆网格：
（网格质量是内圆与圆周半径之比的两倍，最大值）。 是1。）
从python访问
所有optimesh函数也可以直接从python访问，例如：
importoptimeshX,cells=optimesh.odt.fixed_point_uniform(X,cells,1.0e-2,100,verbosity=False)
安装
optimesh是available from the Python Package Index，所以只要做
pip3 install --upgrade --user optimesh
安装或升级。
相关出版物
测试
要运行optimesh单元测试，请签出此存储库并键入
pytest
许可证
optimesh发布在MIT license下。
欢迎加入QQ群-->： 979659372
