概述
fs,]%g^ R+b~m!5 8 優(yōu)化是一個有助于找到一個
光學(xué)系統(tǒng)的最佳解決方案的實驗過程，它主要是利用
參數(shù)的變化而試圖達到預(yù)期的結(jié)果。在
Speos 2023 R2中提供三種可供選擇的方法來執(zhí)行此類分析。第一個是基于workbench創(chuàng)建的優(yōu)化，可以參考文章（基于Ansys Workbench和Speos的準(zhǔn)直全反射
透鏡優(yōu)化設(shè)計案例），第二種使用optiSLang及其強大的優(yōu)化功能，在optiSLang種直接調(diào)用Ansys Speos求解器，訪問發(fā)布的參數(shù)，設(shè)計識別最重要的輸入?yún)?shù)，多目標(biāo)優(yōu)化在不同目標(biāo)之間進行權(quán)衡，第三種是利用嵌入到Speos中的優(yōu)化工具
optimization，允許基于隨機算法Random search設(shè)置一個優(yōu)化，以研究不同參數(shù)集對
仿真結(jié)果的影響。
v{c,>]@ vzH"O = Y7_2pGvZ 本案例講述使用Speos optimization 優(yōu)化工具，快速優(yōu)化設(shè)計。為描述案例講解過程，首先對optimization工具的參數(shù)進行詳細(xì)解釋。
.4O~a r~q 3nIe/, 優(yōu)化模式
2PTAIm Rq ##r9 /`A Speos optimization優(yōu)化功能提供三種優(yōu)化模式: Random Search隨機搜索算法是一種基于隨機的全局優(yōu)化方法，優(yōu)值提供函數(shù)定義優(yōu)化的收斂過程，Minimize允許獲得盡可能接近目標(biāo)值的
模擬值。Maximum允許獲得盡可能遠(yuǎn)離目標(biāo)值的模擬值。Design of Experiment實驗設(shè)計允許定義變量的值，通過使用基于所選變量的Excel文件來定義變量。Plugin插件允許使用自己創(chuàng)建的優(yōu)化算法，以便在分析中增加更多的靈活性。
}|u>b!7_. Xdl7'~k Ahf71YP 變量類型
&w'1 wS+ekt5 Optimization特性根據(jù)變量的來源提供了三種變量類型。
r<9G}9 \S]` { kY, Simulation variable模擬變量對應(yīng)Speos的仿真變量，在此變量列表中可以選擇
光源的參數(shù)、探測器的參數(shù)、包括3D texture的參數(shù)。在optimization設(shè)置列表中，可以查看添加到優(yōu)化中的變量的當(dāng)前值，和數(shù)值變量可變范圍，可以修改min和max的數(shù)值，使得變量在更大或更小的范圍內(nèi)變化。
VqL#w<A % `)WC|=
