Synopsys的OSG开发部门近期增加了一种新的算法来优化镜头，相对于过去的算法，新增加的算法有两个优点，一是收敛快，二是可以找到更小的局部优化极小值（相对于过去的优化算法，现在算法的评价函数更小）。多数时候，评价函数下降得象台阶，所以命名为阶梯优化算法（STP），如下图就是一次局部优化的评价函数下降过程：

       下面我们以几个具体的例子，看看二者的区别，一个显微镜头初始结构如下图：

无论是使用过去的标准优化算法，还是现在的新算法，之后都可以找到下面的形式：

但是二者的评价函数下降过程是不一样的：

很明显，新算法STP的效率要高很多。

这个例子是三反射镜的自由曲面的优化，变量众多，开始的结构是：

结果都是这样：

使用两种不同的算法优化，过程明显不同，STP要快很多：

下面一个例子是光刻透镜，片数多，参加优化的变量有22个，初始结构：

两种算法的评价函数下降过程如图：

那么我们从头到尾，研究一个具体的例子吧？

这个设计的例子将介绍到CODE V的这些特色：

GS（全局优化）、

SAB（降低公差敏感度的优化）、

STP（阶梯优化）、

玻璃专家宏工具。

未完待续