ZEMAX中如何优化非序列光学系统（翻译）优化就是通过改变一系列参数值（称做变量）来减小meritfunction的值，进而改进设计的过程，这个过程需要通过meritfunction定义性能评价标准，以及有效变量来达到这一目标。本文为特别的为non-sequential光学系统优化提供了一个推荐的方法。推荐的方法如下：Therecommendedapproachis:在所有meritfunction中使用的探测器上使用像素插值，来避免像素化探测器上的量化影响。使用这些探测器上的合计值，例如RMSspotsize,RMSangularwidth,angularcentroid,centroidlocation等，而不是某个特定像素上的数据。这些'MomentofIllumination'数据优化起来比任何特定的像素点的值平缓的多。在优化开始之初使用正交下降优化法（OrthogonalDescentoptimizer），然后用阻尼最小二乘法（dampedleastsquares）和锤优化器（Hammeroptimizers）提炼结果。正交下降法通常比阻尼最小二乘法快，但得到的优化解稍差。首先使用正交下降优化法。作为例子，我们用几分钟的时间优化一个自由形式的反射镜，最大化LED的亮度，使之从23Cd增加到>250Cd。DampedLeastSquaresvsOrthogonalDescentZEMAX中有2中局部优化算法：阻尼最小二乘法(DLS)和正交下降法(OD)。DLS利用数值计算的结果来确定解空间的方向，即meritfunction更低的方向。这种梯度法是专门为光学系统设计的，建议所有的成像和经典光学优化问题使用。然而，在纯非序列系统优化中，DLS不太成功，因为探测是在像素化的探测器上，meritfunction是本质上不连续的，这会使梯度法失效。如下是一个NS系统的themeritfunction的一条扫描线，该function仅有一个变量。可以看到在meritfunction空间的很长区域内，meritfunction没有改变，改变的到来是突然的，不连续的。这让基于梯度搜索技术的优化很困难。正交下降(OD)优化法利用变量的正交规范和解空间的离散采样来减小meritfunction.OD算法不计算meritfunction的数字衍生物.对于meritfunctions有内部噪声的系统，例如非序列系统，OD常常超越DLS优化.这在照明最大化，亮度增强，和对比度优化等问题上非常有用。像素插值和NSDD除了使用的具体的算法外，ZEMAX还包含一些大大改善NS系统优化的特色。如上所述，由于探测器像素化，NS解空间倾向于不连续。如果给定光线的能量，仅仅分配到一个像素上，当系统改变导致光线在该像素的任意位置移动时没有量的差异。结果是，当光线穿过边界进入新的像素时，meritfunction产生了不连续的derivatives(衍生物)，优化困难.这可以通过在探测器上扫描一条光线来说明。如下所示点的全局图给出了探测器的发光中心随光线位置的改变。解决这个问题的一种方法是使用像素插值。根据光线在pixel内部相交的位置，一部分能量被分配到像素，而不是，而不是将100%的能量分配到单个像素。结果是，当系统改变导致光线移动经过一个像素时，meritfunction有显著的改变。Pixelinterpolation可以在Objectproperties->Type标签下选中.如果我们在pixelinterpolationenabled的情况下让一条光线扫描探测器，发光中心，以及大多数其他评价标准的改变是连续的，DLS能方便的使用。Meritfunction中报告的发光中心是利用NSDD优化操作数计算的。NSDD代表non-sequentialdetectordata,是报告非相关探测数据最有用的操作数。NSDC对相干的计算是等价的。NSDD操作数的语法如下：NSDDSurfDet#Pix#DataSurf定义非序列组的面(在纯NSC中为1),Det#定义用于报告数据的探测器(它也可以用于清除一个或者全部探测器),Pix#定义需要返回的像素或计算值,Data定义返回flux,irradiance还是intensity数据.这些变量允许一系列评价标准的优化:最小的光斑尺寸(最小的RMS空间宽度),最大能量(总的flux)，空间均匀性(所有像素的标准差-standarddeviation),准直(最小RMS角度宽度),及更多其它的。NSDD功能更细节的描述，参见ZEMAX使用手册中的Optimization章节。系统设置发光二极管(Light-emittingdiodes,LEDs)是在很多应用中是重要的光源。在汽车照明和显示照明领域，常常需要通过增加辅助光学机构修改这些光源的照明强度来提高LED的亮度。我们从一个真实LED光源的测量数据开始。参见此文或者本blog...
