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
地址:上海市普陀区桃浦路306号B座1014室
电话:021-32562316
版权所有: 沪ICP备15043844号
技术支持:江苏大观
手机浏览
关注微信