4. 局部优化算法：阻尼最小二乘法（DLS）与 Hammer 的较量

聊到局部优化，很多刚入行的朋友会觉得：“不就是找个局部最小值嘛，有啥好比的？”

嗯，还真不是这么简单。我做了十几年光学设计，踩过最大的坑之一，就是以为所有优化算法都一样。结果呢？同一个初始结构，Code V 跑出来是 0.02 波前差，Zemax 跑出来是 0.08——你说算法重不重要？

4.1 阻尼最小二乘法（DLS）——Code V 的看家本领

DLS 说白了，就是给传统最小二乘法加了个“阻尼”项。传统最小二乘法只管让误差平方和最小，但跑着跑着就容易“抽风”——步长太大，直接跳出合理区间。

阻尼的作用是什么？就是给每一步加个刹车。步长太大？阻尼系数自动增大，让你稳稳当当收敛。

Code V 的 DLS 实现有几个特点，我这些年用下来感受很深：

• 自适应阻尼调整：每次迭代后，如果误差下降，阻尼就减小；如果误差反弹，阻尼就增大。说白了就是“路好走就加速，路不好就减速”。
• 边界处理更激进：Code V 的 DLS 对变量边界有专门的投影算法。我曾经做一个投影镜头，镜片边缘厚度快成负数了，Code V 硬是给拉回来了。
• 误差函数加权灵活：你可以给每个视场、每个波长单独设权重。这个在 Zemax 里也有，但 Code V 的权重更新策略更“聪明”——它会根据当前误差自动调整权重，避免某个视场被“忽略”。

4.2 Hammer 优化算法——Zemax 的“暴力美学”

Zemax 的 Hammer 优化，名字听着就很硬核。它本质上是一种“全局搜索 + 局部下山”的混合算法。

怎么理解呢？你可以想象成：

1. 先随机生成一堆候选结构（全局搜索阶段）
2. 对每个候选结构跑一遍局部优化（下山阶段）
3. 比较所有结果，保留最好的

Hammer 的厉害之处在于它的“随机扰动”机制。它不是傻傻地随机，而是根据当前结构的灵敏度来调整扰动幅度——敏感变量扰动小一点，不敏感变量扰动大一点。这个设计很巧妙，我当年第一次看到这个机制时，心里想的是：“这谁想出来的？太聪明了。”

4.3 收敛速度对比——谁更快？

这个问题我经常被问到。直接给结论：没有绝对谁快，要看场景。

我个人经验是：做定焦镜头优化，Code V 的 DLS 通常更快；做变焦镜头或初始结构未知的系统，Zemax 的 Hammer 更有优势。

4.4 避坑指南——我踩过的那些坑

几个实用建议：

• 不要一上来就用 Hammer：先用 DLS 或局部优化把结构“拉”到合理区间，再用 Hammer 做精细搜索。我见过太多人直接上 Hammer，跑了一晚上，结果还不如 DLS 跑 5 分钟。
• 阻尼系数不是越大越好：阻尼太大，收敛慢得像蜗牛；阻尼太小，容易震荡。Code V 的默认值通常不错，但如果你发现收敛曲线像心电图一样上下跳动，可以手动增大阻尼。
• Zemax 里用 Hammer 前，先跑一遍 Local Optimization：让结构先“站稳”，Hammer 的随机扰动才有效。否则扰动全被结构本身的“不稳定”吃掉了。

4.5 知识结构图

下面这张图帮你理清两种算法的核心逻辑和适用场景：

4.6 实战建议

如果你问我，在实际项目中怎么选？我的建议是：

• 第一步：不管用哪个软件，先用局部优化（DLS 或 Local Optimization）跑 20-30 次迭代，看看收敛趋势。
• 第二步：如果收敛曲线平滑下降，说明初始结构不错，继续用局部优化直到收敛。
• 第三步：如果收敛曲线震荡或停滞，换 Hammer 或全局算法试试。
• 第四步：别忘了手动检查结构——算法再聪明，也替代不了工程师的眼睛。