1. 光学优化概述：为什么我们要折腾这件事？
做光学设计这些年，我最大的感触就是：没有一次设计是“画完就完事”的。你辛辛苦苦搭好初始结构，光线追迹一看，像差大得离谱，MTF 惨不忍睹。这时候怎么办？手动调半径、调厚度、调非球面系数？调一两个变量还行，几十个变量同时调，人脑根本算不过来。
所以，优化就来了。说白了，优化就是让计算机替我们干“找最佳参数”的苦活。你给它一个目标，它自己迭代、自己试错，最后给你一组接近最优的解。
1.1 光学系统优化的意义
我刚开始带项目时，有个同事跟我说：“优化嘛，就是让像差变小。” 这话没错，但太片面了。优化真正的意义，我总结成三点：
- 提升性能：把 MTF 从 0.3 拉到 0.5，把畸变从 5% 压到 1%。这是最直观的。
- 满足约束：总长不能超过 50 mm，镜片不能太厚，后焦要留够。这些硬指标，优化时得一并考虑。
- 平衡取舍：球差小了，色散可能变大；分辨率高了，公差可能变紧。优化就是在这些矛盾里找平衡点。
我个人习惯：在开始优化前，先问自己三个问题——
① 这个系统最关键的指标是什么？
② 哪些参数可以动，哪些必须锁死？
③ 我准备接受多大的像差余量？
想清楚再动手，比盲目跑优化省一半时间。
1.2 优化变量与评价函数
优化变量，就是你可以让计算机去调整的参数。常见的包括：
| 变量类型 | 举例 | 说明 |
|---|---|---|
| 曲率半径 | R1, R2, R3 ... | 最常用的变量，直接影响光焦度 |
| 厚度 | 镜片厚度、空气间隔 | 影响光路长度和像差平衡 |
| 非球面系数 | Conic, 4th, 6th ... | 高阶项，校正高级像差 |
| 玻璃材料 | 折射率、阿贝数 | 通常作为离散变量处理 |
评价函数呢？它就是计算机用来判断“当前系统好不好”的数学表达式。最常见的做法是：
MF = Σ (Wi * (Target_i - Current_i))²其中 Wi 是权重，Target_i 是目标值，Current_i 是当前值。评价函数越小，说明系统越接近你的目标。
避坑指南：我曾经把权重设得太大，结果系统为了满足一个指标，把其他指标全牺牲了。后来我学乖了——权重不是越大越好，要按实际需求来。比如 MTF 权重给 1，畸变给 0.5，总长给 0.3，这样系统会优先保证成像质量，再兼顾其他。
1.3 局部优化与全局优化
这两个概念，我当年学的时候也绕了一阵。简单说：
- 局部优化：从当前结构出发，沿着“下山”的方向走，找到最近的谷底。速度快，但容易掉进局部最优。
- 全局优化：在整个参数空间里“撒网”，尝试各种可能的组合，找到全局最优或接近全局最优的解。速度慢，但不容易被局部最优困住。
你想想看，局部优化就像你站在一个山头上，只看得见脚下的路，顺着坡往下走，走到最近的谷底就停了。全局优化呢？你开着直升机在天上飞，把整片山区都看一遍，然后挑一个最低的谷底降落。
| 对比项 | 局部优化 | 全局优化 |
|---|---|---|
| 搜索范围 | 当前结构附近 | 整个参数空间 |
| 计算速度 | 快（秒级到分钟级） | 慢（分钟级到小时级） |
| 结果质量 | 依赖初始结构 | 不依赖初始结构 |
| 典型算法 | 阻尼最小二乘法 | 遗传算法、模拟退火 |
| 适用场景 | 已有较好初始结构 | 初始结构未知或很差 |
注意：全局优化不是万能的。它找到的“全局最优”可能加工不出来——公差太紧、镜片太贵、装配太难。所以我的做法是：先用全局优化找几个候选结构，再用局部优化精修，最后用公差分析筛选。三步走，稳得很。
1.4 知识体系框架
下面这张图，是我自己整理的光学优化知识体系。每次带新人，我都先让他们看这个，心里有个谱。
嗯，这张图基本把本章的核心内容串起来了。优化变量是“你能调什么”，评价函数是“你想调成什么样”，优化算法是“怎么调过去”。三者缺一不可。
我记得刚入行时，总以为优化就是“点一下按钮等结果”。后来被现实教育了——不懂变量选择，优化会跑偏；不懂评价函数，优化会乱跑；不懂算法区别，优化会白跑。所以这一章，咱们先把地基打牢。