3. 评价函数构建：如何设计合理的评价函数来引导优化方向，避免陷入局部极小值

好，咱们进入第三章。前两章我们聊了局部极小值到底长什么样，也聊了初始结构怎么选。但说实话，真正决定优化成败的，往往是今天要讲的这个环节——评价函数。

我见过太多人，一上来就把所有像差塞进评价函数，权重全给1，然后点优化。结果呢？跑了一晚上，系统卡在一个莫名其妙的局部坑里，怎么都出不来。嗯，这就是典型的“评价函数没设计好”。

评价函数说白了，就是告诉优化算法：“嘿，往这个方向走，那边更好。” 你指的方向不对，算法再聪明也没用。

3.1 评价函数的核心构成

一个完整的评价函数，通常包含三部分：

我个人习惯，在构建评价函数时，会先把边界约束放进去。为什么？因为如果你不约束镜片厚度，优化器可能会给你一个厚度为0.01mm的镜片——加工厂直接骂娘。我曾经吃过这个亏，后来学乖了。

3.2 权重分配的艺术

权重怎么给？这是评价函数设计里最玄学的地方。但也不是完全没规律。

我总结了一个经验法则：先松后紧，逐步收紧。

• 第一阶段（粗优化）：只控制主要像差（球差、彗差、像散），权重给1~5。别管畸变，别管MTF，先把光路理顺。
• 第二阶段（细优化）：加入次要像差（场曲、色差），权重给5~10。这时候可以开始看MTF了。
• 第三阶段（精优化）：全面控制，权重按目标值动态调整。比如MTF在0.5以上时权重给10，低于0.5时给1。

你想想看，如果一开始就把MTF权重拉到100，优化器会拼命去提升MTF，结果可能把镜片形状搞得很奇怪，反而卡在局部极小值里出不来。

3.3 避免局部极小值的评价函数策略

这部分是今天的重点。我直接上干货——四种实战策略。

策略一：多目标加权法

不要只盯着一个指标优化。比如你只优化RMS光斑半径，优化器可能会把光斑压得很小，但MTF反而很差。为什么？因为RMS光斑小不代表MTF好，尤其是存在离焦时。

我建议同时控制3~5个指标：

MF = w1 * RMS + w2 * (1 - MTF) + w3 * Distortion + w4 * FieldCurvature

每个指标的权重根据系统要求动态调整。比如手机镜头，畸变权重可以给高一点；投影镜头，MTF权重优先。

策略二：渐进式约束法

这是我最喜欢的方法。别一次性把所有约束都加上，而是分阶段加入。

1. 第一轮：只控制焦距和F/#，其他全放开。
2. 第二轮：加入像差控制，权重给低。
3. 第三轮：加入边界约束，防止镜片太薄或太厚。
4. 第四轮：加入公差敏感度约束，保证可制造性。

这样做的好处是，优化器在每个阶段都有足够的自由度去探索全局空间，不容易掉进局部坑里。

策略三：惩罚函数法

有时候，某些参数必须严格限制，比如镜片中心厚不能小于1mm。这时候可以用惩罚函数：

Penalty = k * (CT - CT_min)^2  (当 CT < CT_min 时)

注意，惩罚系数k不能太大，否则优化器会“硬撞”边界，导致振荡。我一般取k=10~50，具体看系统敏感度。

策略四：随机扰动法

这个有点“暴力”，但很有效。在优化过程中，每隔一段时间，给评价函数加一个随机扰动项：

MF_new = MF_old + random(-0.1, 0.1) * MF_old

这样可以让优化器跳出当前的局部极小值，去探索其他区域。我在设计一个广角镜头时用过这招，效果出奇的好。

3.4 评价函数构建的完整流程

下面这张图，是我自己总结的评价函数构建流程，分享给你：

3.5 实战案例：一个手机镜头评价函数的设计

拿一个典型的手机镜头来说吧。目标：F/1.8，焦距4.5mm，总长6mm以内，畸变小于1%。

我当时的评价函数是这样设计的：

注意看，粗优化时我只用了前4个操作数，MTF和畸变都没加。等光路基本理顺了，再加入MTF和畸变进行精优化。这样一步步来，系统很少卡在局部极小值里。

3.6 常见误区总结

最后，我列几个自己踩过的坑，你注意避开：

• 误区一：权重越大越好 —— 权重太大，优化器会“死磕”这个指标，其他指标全崩了。
• 误区二：一次性加满所有约束 —— 优化器会直接卡死，动都动不了。
• 误区三：只用一种评价指标 —— 比如只看RMS，不看MTF，结果RMS很好，MTF很差。
• 误区四：不检查边界约束 —— 优化完了才发现镜片厚度不满足工艺要求，白忙一场。

嗯，评价函数这块，说白了就是“平衡的艺术”。你既要让优化器有足够的自由度去探索，又要给它明确的方向指引。把握好这个度，局部极小值就没那么可怕了。