基于可校正强化搜索遗传算法的光学系统自动设计

doi:10.11772/j.issn.1001-9081.2023081156

《计算机应用》唯一官方网站 ›› 2024, Vol. 44 ›› Issue (9): 2838-2847.DOI: 10.11772/j.issn.1001-9081.2023081156

基于可校正强化搜索遗传算法的光学系统自动设计

刘栋¹^,², 李晨航¹^,³, 吴长茂³, 茹法鑫¹, 夏媛媛³()

^1.河南师范大学计算机与信息工程学院，河南新乡 453007
^2.教育人工智能与个性化学习河南省重点实验室，河南新乡 453007
^3.中国科学院软件研究所天基综合信息系统重点实验室，北京 100190

收稿日期:2023-08-28 修回日期:2023-11-08 接受日期:2024-01-31 发布日期:2024-09-14 出版日期:2024-09-10
通讯作者: 夏媛媛
作者简介:刘栋（1976—），男，河南新乡人，教授，博士，CCF会员，主要研究方向：教育大数据挖掘、社会网络分析
李晨航（1997—），男，河南三门峡人，硕士研究生，主要研究方向：光学系统设计与优化
吴长茂（1974—），男，北京人，副研究员，博士，主要研究方向：数值优化、并行软件与并行算法
茹法鑫（1996—），男，河南新乡人，硕士，主要研究方向：光学系统设计与优化；
基金资助:
国家重点研发计划项目(2021YFB3601401);国家自然科学基金资助项目(62072160)

Automatic design of optical systems based on correctable reinforced search genetic algorithm

Dong LIU¹^,², Chenhang LI¹^,³, Changmao WU³, Faxin RU¹, Yuanyuan XIA³()

^1.College of Computer and Information Engineering，Henan Normal University，Xinxiang Henan 453007，China
^2.Henan Provincial Key Laboratory of Artificial Intelligence and Personalized Learning in Education，Xinxiang Henan 453007，China
^3.Science & Technology on Integrated Information System Laboratory，Institute of Software，Chinese Academy of Sciences，Beijing 100190，China

Received:2023-08-28 Revised:2023-11-08 Accepted:2024-01-31 Online:2024-09-14 Published:2024-09-10
Contact: Yuanyuan XIA
About author:LIU Dong， born in 1976， Ph. D.， professor. His research interests include education big data mining， social network analysis.
LI Chenhang， born in 1997， M. S. candidate. His research interests include optical system design and optimization.
WU Changmao， born in 1974， Ph. D.， associate research fellow. His research interests include numerical optimization， parallel software and parallel algorithm.
RU Faxin， born in 1996， M. S. His research interests include optical system design and optimization.
Supported by:
National Key Research and Development Program of China(2021YFB3601401);National Natural Science Foundation of China(62072160)

摘要/Abstract

摘要：

阻尼最小二乘法（DLS）与遗传算法（GA）均适用于光学系统自动设计，前者搜索效率高但极易陷入局部极值陷阱，后者光学结构参数空间全局搜索能力强但局部搜索能力弱。针对上述问题，提出一种可校正强化搜索GA（CRSGA）。该算法在GA基础上进行了两方面的改进：首先，在GA交叉算子后，引入DLS增强局部搜索能力；其次，引入校正策略，即在下轮迭代前按比例回滚进化后评价函数值变差的个体以校正进化结果。选取双高斯（DG）、反远摄（RT）和有限共轭距成像（FCDI）这3种典型光学系统设计实验以验证CRSGA的有效性，CRSGA优化效果优于DLS、GA，且依次优于商业光学设计软件Zemax阻尼最小二乘法约8.92%、12.19%和9.39%，特别是优化结果分别达到Zemax HAMMER算法的99.98%、94.33%和88.45%。实验结果表明，所提算法对光学系统优化效果良好，可用于光学系统自动设计工作。

关键词: 光学系统设计, 光学优化, 阻尼最小二乘法, 全局优化, 改进遗传算法

Abstract:

Both the Damped Least Squares （DLS） and Genetic Algorithm （GA） are applicable to automatic design of optical systems. Although DLS has a high search efficiency， it is susceptible to falling into local optima traps. Conversely， GA has strong global search capability in the parameter space of optical structures but weak local search capability. To address these challenges， a Correctable Reinforced Search GA （CRSGA） was proposed. Firstly， DLS was introduced after the GA crossover operation to enhance local search capability. Additionally， a correction strategy was introduced to rollback individuals with deteriorated fitness values before the next iteration， thereby achieving corrective evolutionary results. The improvement of two aspects to genetic algorithm enhanced strengths and compensated for weaknesses. Three typical optical system design experiments， including Double Gaussian （DG）， Reversed Telephoto （RT）， and Finite Conjugate Distance Imaging （FCDI）， were conducted to validate the effectiveness of CRSGA. CRSGA outperforms both DLS and GA， and its optimization outcomes are about 8.92%， 12.19%， and 9.39% respectively better than those of commercial optical design software Zemax DLS. In particularly， the optimization outcomes achieve a significant improvement， reaching 99.98%， 94.33%， and 88.45% respectively compared to the Zemax HAMMER algorithm. In conclusion， it is shown that the proposed algorithm is effective for optical system optimization and can be used for automatic optical system design.

Key words: optical system design, optical optimization, damped least square method, global optimization, improved genetic algorithm

中图分类号:

TP39

刘栋, 李晨航, 吴长茂, 茹法鑫, 夏媛媛. 基于可校正强化搜索遗传算法的光学系统自动设计[J]. 计算机应用, 2024, 44(9): 2838-2847.

Dong LIU, Chenhang LI, Changmao WU, Faxin RU, Yuanyuan XIA. Automatic design of optical systems based on correctable reinforced search genetic algorithm[J]. Journal of Computer Applications, 2024, 44(9): 2838-2847.

图/表 21

图1 光学系统二维结构

Fig. 1 2D structure of optical system

图2 CRSGA的流程

Fig. 2 Flow of CRSGA

表1 CRSGA参数说明

Tab. 1 CRSGA parameter description

参数	范围	含义
$N$	$N ∈ N *$	种群中个体数
$n$	$n ∈ N *$	个体中结构参数量
$J$	$J ∈ [1, N]$	个体编号
$i$	$i ∈ [1, n]$	结构参数编号
$X J$	$X J ∈ {X 1, X 2, …, X N}$	第J个个体也指一组结构参数
$x i$	$x i ∈ {x 1, x 2, ⋯, x n}$	第i个结构参数
$X n e w J$	$X n e w J ∈ X n e w 1, X n e w 2, …, X n e w N$	第J个体的子代
$X b e s t J$	$X b e s t J ∈ X b e s t 1, X b e s t 2, …, X b e s t N$	存储第J个个体历史最优的一组结构参数
$M F i n i t J$	$M F i n i t J ∈ [0, ∞)$	第J个个体的初始评价函数值
$M F n e w J$	$M F n e w J ∈ [0, ∞)$	第J个个体的子代评价函数值
$M F b e s t J$	$M F b e s t J ∈ [0, ∞)$	第J个个体的最优评价函数值

表1 CRSGA参数说明

Tab. 1 CRSGA parameter description

参数	范围	含义
$N$	$N ∈ N *$	种群中个体数
$n$	$n ∈ N *$	个体中结构参数量
$J$	$J ∈ [1, N]$	个体编号
$i$	$i ∈ [1, n]$	结构参数编号
$X J$	$X J ∈ {X 1, X 2, …, X N}$	第J个个体也指一组结构参数
$x i$	$x i ∈ {x 1, x 2, ⋯, x n}$	第i个结构参数
$X n e w J$	$X n e w J ∈ X n e w 1, X n e w 2, …, X n e w N$	第J个体的子代
$X b e s t J$	$X b e s t J ∈ X b e s t 1, X b e s t 2, …, X b e s t N$	存储第J个个体历史最优的一组结构参数
$M F i n i t J$	$M F i n i t J ∈ [0, ∞)$	第J个个体的初始评价函数值
$M F n e w J$	$M F n e w J ∈ [0, ∞)$	第J个个体的子代评价函数值
$M F b e s t J$	$M F b e s t J ∈ [0, ∞)$	第J个个体的最优评价函数值

图3 交叉操作的原理

Fig. 3 Principle of crossover operation

图4 交叉操作的详细流程

Fig. 4 Detailed flow of cross operation

图5 变异操作的原理

Fig. 5 Principle of mutation operation

图6 变异操作的详细流程

Fig. 6 Detailed flow of mutation operation

图7 校正策略的原理

Fig. 7 Principle of correction strategy

图8 DG系统优化结果的二维图

Fig. 8 Optimization results for DG system： 2D diagrams

图9 DG系统优化结果的标准点列图

Fig. 9 Optimization results for DG system： standard spot diagrams

图10 DG系统优化结果的FFT MTF图

Fig. 10 Optimization results for DG system： FFT MTF diagrams

图11 RT系统优化结果的二维图

Fig. 11 Optimization results for RT system： 2D diagrams

图12 RT系统优化结果的标准点列图

Fig. 12 Optimization results for RT system： standard spot diagrams

图13 RT系统优化结果的FFT MTF图

Fig. 13 Optimization results for RT system： FFT MTF diagrams

图14 FCDI系统优化结果的二维图

Fig. 14 Optimization results for FCDI system： 2D diagrams

图15 FCDI系统优化结果的标准点列图

Fig. 15 Optimization results for FCDI system： standard spot diagrams

图16 FCDI系统优化结果的FFT MTF图

Fig. 16 Optimization results for FCDI systems： FFT MTF diagrams

图17 不同优化算法评价函数下降对比

Fig. 17 Comparison of decline of evaluation functions of different optimization algorithms

图18 不同算法优化结果波动

Fig. 18 Fluctuations of optimization results of different algorithms

图19 不同系统模型对应优化方法优化结果对比

Fig. 19 Comparison of optimization results of different system models corresponding to optimization methods

表2 不同系统模型对应优化方法评价函数值

Tab. 2 Evaluation function values for different system models corresponding to optimization methods

光学系统	DLS	GA	Zemax DLS	Zemax HAMMER	CRSGA
DG光学系统	0.003 567 943	0.004 249 817	0.003 306 057	0.003 010 415	0.003 011 093
RT光学系统	0.020 462 115	0.021 789 366	0.008 098 845	0.006 708 602	0.007 111 276
FCDI光学系统	0.328 974 516	0.256 871 452	0.055 824 961	0.044 741 395	0.050 582 101

参考文献 21

1	SAHIN F E. Revisiting a classic lens design problem ［J］. Optik， 2020， 205： 164235.
2	HÖSCHEL K， LAKSHMINARAYANAN V. Genetic algorithms for lens design： a review ［J］. Journal of Optics， 2019， 48： 134-144.
3	李林，安连生. 计算机辅助光学设计的理论与应用［M］.1版.北京：国防工业出版社，2002：90-92.
	LI L， AN L S. Theory and Application of Computer Aided Optical Design［M］. 1st ed. Beijing： National Defense Industry Press， 2002： 90-92.
4	SHAFER D. Global optimization in optical design ［J］. Computers in Physics， 1998， 8（2）： 188-195.
5	LIU X， KONG X， QIU C-W. Relative-phase simulated annealing for time-efficient and large-scale inverse design of achromatic thin lenses ［J］. Optics Express， 2022， 30（17）： 30536-30551.
6	YU X， WANG H， YAO Y， et al. Automatic design of a mid-wavelength infrared dual-conjugate zoom system based on particle swarm optimization ［J］. Optica Express， 2021， 29（10）： 14868-14882.
7	YEN C-T， JIN S-C. Aspherical lens design using genetic algorithm for reducing aberrations in multifocal artificial intraocular lens ［J］. Materials， 2015， 8（9）： 6309-6325.
8	BETENSKY E I. Postmodern lens design ［J］. Optical Engineering， 1993， 32（8）： 1750-1756.
9	FANG Y-C， C-M TSAI， MacDONALD J， et al. Eliminating chromatic aberration in Gauss-type lens design using a novel genetic algorithm ［J］. Applied Optics， 2007， 46（13）： 2401-2410.
10	FANG Y C， TSAI C M. Miniature lens design and optimization with liquid lens element via genetic algorithm ［J］. Journal of Optics A： Pure and Applied Optics， 2008， 10（7）： 075304.
11	BAJPAI P， MANOJ KUMAR D. Genetic algorithm： an approach to solve global optimization problems ［J］. Indian Journal of Computer Science and Engineering， 2010， 1（3）： 199-206.
12	C-M TSAI， FANG Y-C. Improvement of filed curvature aberration in a projector lens by using hybrid genetic algorithm with damped least square optimization ［J］. Journal of Display Technology， 2015， 11（12）： 1023-1030.
13	REICHERT C， GRUHONJIC T， HERKOMMER A M. Development of an open source algorithm for optical system design， combining genetic and local optimization ［J］. Optical Engineering， 2020， 59（5）： 055111.
14	李念宁，项华中，高健东，等. 基于遗传算法的非球面眼镜片设计［J］.光学仪器，2021，43（3）：36-44.
	LI N N， XIANG H Z， GAO J D， et al. Design of aspheric lens based on genetic algorithm ［J］. Optical Instruments， 2021， 43（3）： 36-44.
15	YEN C-T， JIN S-C. Freeform surface lens design using genetic algorithm with acrylic material for reducing aberrations in multifocal artificial intraocular lens to enhance image sensing quality ［J］. Sensors and Materials， 2022， 34（1/2）： 187-201.
16	林梓彬，祝少博，彭玉桂，等. 基于遗传算法设计超薄超声平面透镜［J］. 科学通报， 2023， 68（26）： 3464-3471.
	LIN Z B， ZHU S B， PENG Y G， et al. Design of functional ultra-thin ultrasonic planar meta-lens based on genetic algorithm［J］. Chinese Science Bulletin， 2023， 68（26）： 3464-3471.
17	MERION J. Damped least-squares method for automatic lens design ［J］. Journal of the Optical Society of America， 1965， 55（9）： 1105-1109.
18	VASILJEVIĆ D. Classical and Evolutionary Algorithms in the Optimization of Optical Systems ［M］. Norwell： Kluwer Academic Publishers， 2002： 11-57.
19	HOLLAND J H. Outline for a logical theory of adaptive systems ［J］. Journal of the ACM， 1962， 9（3）： 297-314.
20	VAN LEIJENHORST D C， LUCASIUS C B， THIJSSEN J M. Optical design with the aid of a genetic algorithm ［J］. BioSystems， 1996，37（3）： 177-187.
21	李兴春，樊新龙，张小军，等. 基于遗传算法的变形反射镜快速设计［J］. 激光与光电子学进展， 2023， 60（1）： 0123002.
	LI X C， FAN X L， ZHANG X J， et al. Fast design of deformable mirror based on genetic algorithm ［J］. Advances in Laser and Optoelectronics， 2023， 60（1）： 0123002.

[1]	张伟康, 刘升, 黄倩, 郭雨鑫. 考虑距离因素与精英进化策略的平衡优化器[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1844-1851.
[2]	杨华龙, 王美玉, 辛禹辰. 横向整合战略下异质车辆库存路径优化模型[J]. 计算机应用, 2021, 41(10): 3040-3048.
[3]	王永航, 张天宇, 郑红星. 考虑恶劣天气的班轮多阶段重调度方法[J]. 计算机应用, 2021, 41(1): 286-294.
[4]	王建华, 潘宇杰, 孙瑞. 考虑机床折旧的柔性作业车间绿色调度算法[J]. 计算机应用, 2020, 40(1): 43-49.
[5]	乔俊, 孟学雷, 王东先, 汤霖. 基于换乘导向的大型客运枢纽高铁列车接续优化[J]. 计算机应用, 2019, 39(9): 2757-2764.
[6]	解本铭, 韩明明, 张攀, 张威. 飞机牵引车语音识别的动态时间规整优化算法[J]. 计算机应用, 2018, 38(6): 1771-1776.
[7]	王晓静, 彭虎, 邓长寿, 黄海燕, 张艳, 谭旭杰. 基于均匀局部搜索和可变步长的萤火虫算法[J]. 计算机应用, 2018, 38(3): 715-721.
[8]	李巍, 吕乃光, 董明利, 娄小平. 凸松弛全局优化机器人手眼标定[J]. 计算机应用, 2017, 37(5): 1451-1455.
[9]	杨滨华, 赵高鹏, 刘鲁江, 薄煜明. 基于平移域估计的点云全局配准算法[J]. 计算机应用, 2016, 36(6): 1664-1667.
[10]	黄浩, 唐昊, 周雷, 程文娟. 服务率不确定的单站点传送带给料加工站系统鲁棒优化控制[J]. 计算机应用, 2015, 35(7): 2067-2072.
[11]	刘杰, 王玲, 王杉, 冯微, 李文. 基于OLSR协议的最小MPR集选择算法[J]. 计算机应用, 2015, 35(2): 305-308.
[12]	何埜, 李光耀, 肖莽, 谢力, 彭磊, 唐可. 基于深度信息的图像修复算法[J]. 计算机应用, 2015, 35(10): 2955-2958.
[13]	李国柱. 基于云模型的实数编码量子进化算法[J]. 计算机应用, 2013, 33(09): 2550-2552.
[14]	彭硕欧阳艾嘉乐光学贺明华周旭. 求解高维函数的改进萤火虫群优化算法[J]. 计算机应用, 2013, 33(08): 2253-2256.
[15]	李超李光耀谭云兰徐祥龙. 基于Powell算法与改进遗传算法的医学图像配准方法[J]. 计算机应用, 2013, 33(03): 640-644.

基于可校正强化搜索遗传算法的光学系统自动设计

Automatic design of optical systems based on correctable reinforced search genetic algorithm

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 21

参考文献 21

相关文章 15

编辑推荐

Metrics