企业官网建设流程全解析

Optiland是一个用 Python 实现的光学设计与优化库，它把镜头优化拆解成三件事：评价函数（merit function）→ 优化变量（variables）→ 求解器（optimizer）。本文面向新手，带你从零理解光学优化评价函数怎么搭、变量怎么选、求解器如何挑，并顺带介绍 GPU 加速与玻璃材料自动选择等进阶玩法。

一、30秒理解Optiland光学优化的核心思路

在传统 Zemax 式软件里，"评价函数表"和"变量表"是两张手工维护的表格。Optiland 把它们变成了代码对象：

三者由 OptimizationProblem 类统一封装，完整框架说明见开发者指南 optimization_framework.rst。

一句话总结流程："加操作数 → 加变量 → 选求解器 → 运行 → 看结果"，全程只有四步。

二、如何搭建简单评价函数：第一步上手

1. 创建优化问题

from optiland.optimization import OptimizationProblem problem = OptimizationProblem()

2. 添加操作数（定义"好镜头"的标准）

每个操作数都需要三样东西：目标值（target）、权重（weight）、光路输入（input_data）。权重决定该项在评价函数中的"话语权"：

problem.add_operand(operand_type='f2', target=50, weight=1, input_data={'optic': lens})

Optiland 内置了几十种操作数，覆盖四大类（见 operand.py 中的METRIC_DICT注册表）：

• 近轴类：f1/f2焦距、EPD入瞳直径、magnification放大率等；
• 实光线类：rms_spot_size光斑RMS、real_x_intercept像面交点、OPD_difference光程差等；
• 像差类：seidel赛德尔五项、TSC总球差等；
• 结构类：edge_thickness边缘厚度、AOI入射角等。

💡新手建议：第一个优化任务只需 2~3 个操作数——例如"焦距达标 + 轴上光斑最小"，不要一开始就堆几十项。

3. 添加变量（告诉求解器"能动哪里"）

problem.add_variable(lens, 'radius', surface_number=2)

变量类型在 optiland/optimization/variable/ 下按文件组织，常用的有：

三、如何选择合适的求解器：局部、全局与GPU加速

1. 局部求解器：起点不差时的主力

OptimizerGeneric 对scipy.optimize.minimize做了统一封装，Nelder-Mead、Powell、BFGS、L-BFGS-B 等经典方法都可用；针对光学问题的还有 LeastSquares（基于残差向量）和 OrthogonalDescent（正交下降，适合面数多的系统）。

2. 全局求解器：从"毛坯"起步时的救星

如果初始结构离目标很远（比如从三片平板做起），局部方法容易掉进局部最优。Optiland 提供 4 种 SciPy 全局方法 + 2 种自研无梯度方法：

• DualAnnealing（双退火）、DifferentialEvolution（差分进化）、SHGO、BasinHopping
• 自研的 CMA-ES 与 ParticleSwarm（粒子群）

典型策略：先用全局法粗搜，再切换局部法精修。

3. 实战：Cooke 三片式从平板到可用镜头

官方案例 Tutorial_3d_Optimization_Case_Study_Cooke_Triplet.ipynb 演示了从 3 片近乎平行的玻璃片出发，设计 F/5、焦距 50 mm 的 Cooke 三片式。优化过程中，镜头结构逐次"长"出来，同时评价函数值一路下降：

4. GPU加速：用PyTorch后端跑微分可导优化

Optiland 的 Torch 后端支持自动微分（autograd），让评价函数对变量直接可导，可用 Adam、SGD 等深度学习优化器；大批量光线在 GPU 上并行追迹，吞吐量相比 CPU 有明显提升：

对应示例：torch_rms_spot_size.ipynb。

四、进阶技巧：玻璃自动选择与缩放

1. GlassExpert：让算法替你选玻璃

选玻璃是"离散变量 + 连续变量"混合问题，普通求解器处理不了。GlassExpert 的做法是：在 nd–Vd 玻璃图上先全局搜索（K-Means 降采样整个目录），再在最优玻璃邻域做局部搜索，每换一个候选玻璃就对连续变量做一次局部优化，最终保留最优组合。

玻璃目录数据存放在 optiland/database/，完整案例见 Tutorial_3e_Glass_Expert_Categorical_Optimization.ipynb。

2. 变量缩放（Scaling）：让不同量级的变量"公平竞争"

半径可能是几百毫米、厚度是零点几毫米，量级悬殊会让梯度法走偏。Optiland 在 optiland/optimization/scaling/ 提供线性、对数、幂、倒数四种缩放器，把变量归一化到相近区间，收敛更稳。

五、不想写代码？GUI里同样能优化

Optiland 自带图形界面，镜头数据、系统属性、分析和优化都在同一窗口完成，适合快速迭代与可视化检查：

界面结构详见 optiland_gui/。

六、常见问题速查

更多可运行示例集中在 docs/gallery/optimization/，涵盖光斑RMS、波像差、非球面、自由曲面、约束优化、全局搜索等 20+ 场景，建议从 rms_spot_size.ipynb 这个最简单的例子跑起来再逐步加难度。

小结

• 评价函数= 用操作数描述"什么是好镜头"，权重决定优先级；
• 变量= 圈定求解器的搜索范围，从半径/厚度起步即可；
• 求解器= 近起点选局部法（L-BFGS-B、正交下降），毛坯起步选全局法（Dual Annealing、CMA-ES），要可导大计算量就上 GPU + Adam；
• 进阶= GlassExpert 自动选玻璃、Scaling 变量缩放、GUI 可视化迭代。

掌握这条"操作数 → 变量 → 求解器"主线，你就已经能独立完成一个镜头从毛坯到可用的完整优化流程了 🚀