在本課中，我們將探索一個功能強大但很少使用的SYNOPSYS功能：它可以進行參數(shù)研究，顯示兩個變量對第三個變量的影響。在這種情況下，我們希望了解鏡頭優(yōu)化運行的結(jié)果如何取決于初始結(jié)構(gòu)。在一個理想的設(shè)計中，每一個起點都將達(dá)到最佳可能的結(jié)果，但現(xiàn)實并不如此。對于任何給定的問題，通常存在許多局部最小值，并且我們期望的最好的優(yōu)化算法應(yīng)該可以得到最好的結(jié)果。 qp#Euq6  
因此，人們會期望兩個幾乎完全相同的初始結(jié)構(gòu)將達(dá)到相同的局部最小值，即使它不是全局的。當(dāng)前算法在此優(yōu)化上的表現(xiàn)如何？TU Delft的Florian Bociort博士發(fā)現(xiàn)了一些非常有趣的結(jié)果。他做了一個很簡單的例子，如下圖所示。 YDYNAOThnb  
為了使工作變得非常簡單，他只在主波長的三個視場點校正了光線，忽略了邊緣誤差。然后，他以曲率半徑2和曲率半徑3的起始值為變量做柵格，并繪制一個圖，其中網(wǎng)格上每個像素的顏色編碼評價函數(shù)的最終值。他發(fā)現(xiàn)有幾個局部最小值，即使對于如此簡單的問題也不足為奇 - 但完全出乎意料的是，在許多地方，評價函數(shù)以非�；靵y的方式變化。因此，附近的起點經(jīng)常會到達(dá)截然不同的終點。（他在Code-V上做了這個分析。）這是他在http://homepage.tudelft.nl/q1d90/FBweb/fractals.html上的文章中的一個圖解。 .V0fbHYTJ  
（我們將這張照片放在了一邊，以便它與下面的SYNOPSYS分析一致。） |wQ3+WN|  
注意邊界附近的結(jié)果是非常復(fù)雜和混亂的。黑色區(qū)域表示光線失效的起點，因此無法進行分析。 Bz>f  
我們認(rèn)為SYNOPSYS中的PSD算法比上面的方法更可靠和穩(wěn)定，因此我們在3參數(shù)評估功能PA3上設(shè)置了運行。這是輸入： u8|CeA  
開始雙膠合鏡頭: {%^4%Eco  
為什么需要高阻尼？（默認(rèn)值為1.0或0.01，具體取決于模式切換。）SYNOPSYS中的第一次迭代是用DLS（阻尼 - 最小二乘法）循環(huán)法，我們希望避免在該算法的第一次傳遞時產(chǎn)生的任何混亂; 高阻尼將確保鏡頭在該過程中變化很小。更強大的PSD算法追跡從傳遞到傳遞的一階導(dǎo)數(shù)的變化，并推導(dǎo)出關(guān)于高階導(dǎo)數(shù)的信息。這是PSD方法背后的技巧，但它只能在第二遍開始。 $?gKIv>g  
該研究的結(jié)果如下所示。左側(cè)和底部附近的紫色區(qū)域顯示該程序在不同的初始點上達(dá)到相同的最小值 - 而在Florian的研究中，這些區(qū)域達(dá)到了不同的最小值。在相交的邊界沒有明顯的混亂，正如我們所期望的那樣，PSD方法就是這種情況，盡管在中央綠色區(qū)域出現(xiàn)了散亂的極點。我們將后者歸因于第一遍中DLS方法所做的非零更改。實際上，如果我們用不同的初始阻尼再次運行，那些隨機點出現(xiàn)在不同的地方。 kRb