JPH07334560A - レンズ等の設計支援装置及び方法 - Google Patents
レンズ等の設計支援装置及び方法Info
- Publication number
- JPH07334560A JPH07334560A JP6147095A JP14709594A JPH07334560A JP H07334560 A JPH07334560 A JP H07334560A JP 6147095 A JP6147095 A JP 6147095A JP 14709594 A JP14709594 A JP 14709594A JP H07334560 A JPH07334560 A JP H07334560A
- Authority
- JP
- Japan
- Prior art keywords
- difference amount
- value
- design support
- damping
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Lenses (AREA)
Abstract
て、変数差分量を適切に設定し、最適な設計値を効率良
く算出する。 【構成】 CPU1は、設計対象となる系の変数差分量
δxjに対する系の特性(評価関数Fv(Xv))の変化
量を要素に持つヤコビ行列Avとその転置行列AvTとの
積行列(Av TAv)の固有値分布情報を演算し、その
固有値分布情報を用いて変数差分量δxjの設定を行
う。前記積行列(Av TAv)の固有値に代えて、ヤコ
ビ行列Aの特異値の自乗値を用いてもよい。
Description
る対象の系が所望の特性となるように、該複数の構成要
素を局所的に変更していく最適化手法の内の減衰最小自
乗法を用いた設計支援装置及び方法に関し、例えばレン
ズ設計、LSIの最適パターン設計、建築物の設計など
の支援を行うものに関する。
をn個の要素から成る変数ベクトル
成る評価関数ベクトル
列)であることを示すために付加したものである。また
fk(Xv),fk ,tarはそれぞれ各特性値を表わす評価
関数の値とその目標値であり、wkは重み付け係数であ
る。これらの評価関数には所望の値にすることを目的と
した特性値の他、制約条件値を含めてもよい。減衰最小
自乗法では、一般に各評価関数値の目標値からのずれ
(誤差)量が最小になるように解が求められ、そのため
に単一評価尺度として、次式で表わされる目的関数を用
いる。
では、メリット関数と呼び。(4)式に最小自乗法を適
用すると、局所的最小値となるためのXvの必要条件は
bi)行列であり、(6)式で定義される。
(Xv)((2)式)の第i要素Fi(Xv)を意味す
る。また、ΔXvは変数ベクトルの次のステップへの変
動を表わす解ベクトルであり、以下のように表わせる。
わりに、2次微分以上の非線形性成分を補正するパラメ
ータ(ダンピングファクタ)ρを用いて、(8)式を解
くことにより最適解が求められる。
法(DLS法:Damped Least Squares method)という
名称が広く使われているが、非線形計画法などの分野で
は、レーベンバーグ−マーカード(Levenberg−Marquar
dt)法という名称が多く用いられている。
要素aijは(6)式で示した様な厳密な微分係数値
(9)式ではなく差分値(10)式を用いて計算され
る。
変数差分量δxjの値は、対象となる系の特性により千
差万別で、不適切な値を与えると数値計算上でエラーが
発生したり、多くの反復計算を要したりして、効率良く
最適解を求められないという問題がある。
であり、変数差分量を適切に設定することにより、常に
効率良く最適解を求めることができる設計支援装置及び
方法を提供することを目的とする。
本発明は、複数の構成要素からなる設計対象の系が所望
の特性となるように、前記複数の構成要素を局所的に変
更して最適化する減衰最小自乗法によりレンズ等の設計
を支援する設計支援装置において、前記複数の構成要素
に対応する変数の差分量に対する前記系の特性の変化量
を要素に持つヤコビ行列(Av)と該ヤコビ行列の転置
行列(Av T)との積で構成される積行列(Av TAv)の
固有値分布情報を演算する固有値分布情報演算手段と、
該固有値分布情報を用いて前記変数の差分量を設定する
差分量設定手段とを設けるようにしたものである。
構成要素からなる設計対象の系が所望の特性となるよう
に、前記複数の構成要素を局所的に変更して最適化する
減衰最小自乗法によりレンズ等の設計を支援する設計支
援方法において、前記複数の構成要素に対応する変数の
差分量に対する前記系の特性の変化量を要素に持つヤコ
ビ行列(Av)と該ヤコビ行列の転置行列(Av T)との
積で構成される積行列(Av TAv)の固有値分布情報を
演算し、該固有値分布情報を用いて前記変数の差分量を
設定するようにしたものである。
て、減衰最小自乗法におけるダンピングファクタ初期値
が前記積行列の固有値分布の最小値と最大値の間に存在
するように前記変数の差分量を設定したり、前記積行列
の固有値分布の中央値が減衰最小自乗法におけるダンピ
ングファクタ初期値に略一致するように前記変数の差分
量を設定したり、前記積行列の固有値分布の平均値が減
衰最小自乗法におけるダンピングファクタ初期値に略一
致するように前記変数の差分量を設定したり、前記積行
列の固有値分布情報と該固有値分布に対応して設定され
た所定の重み付け情報とを用いて前記変数の差分量を設
定したりすることが望ましい。
て、「積行列(Av TAv)の固有値分布」に代えて、「ヤ
コビ行列(Av)の特異値の自乗値分布」を用いてもよ
い。
ば、複数の構成要素に対応する変数の差分量に対する系
の特性の変化量を要素に持つヤコビ行列(Av)と該ヤ
コビ行列の転置行列(Av T)との積行列(Av TAv)の
固有値分布情報が演算され、該固有値分布情報を用いて
前記変数の差分量が設定される。
れば、複数の構成要素に対応する変数の差分量に対する
前記系の特性の変化量を要素に持つヤコビ行列(Av)
の特異値の自乗値分布情報が演算され、該自乗値分布情
報を用いて前記変数の差分量が設定される。
る。
置の構成を示す図である。この装置は、設計対象となる
系の構成要素に対応する変数の最適化を行うために、種
々の演算を実行するCPU(中央処理装置)1と、使用
者がCPU1にデータや演算命令を入力するための入力
装置2と、CPU1が実行するプログラムや演算途中の
データ等を格納する記憶装置3と、演算結果をディスプ
レイに表示したり、プリンタにより印刷する出力装置4
とから構成される。これらの構成要素1〜4は、バス5
により相互に接続されている。
説明する。
行列Av Tとの積行列(Av TAv)を以下のように固有値
分解する。
式に示すように、積行列(Av TAv)のn個の固有値を
要素に持つn×nの対角行列である。
布は、一般に前述した変数の差分量δxjを変化させる
に伴って変化する。その際、差分量δxjによって直接
n個の固有値分布を制御するため、本実施例では以下の
手法を採用している。
v(Xv)のXv0近傍での線形近似式
下のように表わす((14)式)。
数による変化量を表わす。(14)式の関係から、ヤコ
ビ行列Av((6)式),及び解ベクトルΔXv((7)
式)のかわりにそれぞれ(15)式,(16)式のよう
な行列Av′,及びベクトルΔXv′を用いてもまったく
同様に最適化演算が行なえることが分かる。
前記ヤコビ行列の各要素の値を変化させることができる
ため、n個の固有値の値s1〜snを自由に制御すること
が可能となる。
分量δxjによるn個の固有値s1〜snの分布と前記ダ
ンピングファクタρの初期値との関係から、設定された
前記変数差分量δxjが適切な値であるかどうかを判定
するとともに、その情報を用いて、さらに適切な値とな
るように前記変数差分量δxjを変更していくことによ
り最適な差分量設定を行い、最適な設計値を効率的に得
られるようにしている。
に説明する。
とした薄肉レンズモデルを示す。図2では見易くするた
めレンズに厚みを付けてあるが、計算上すべてのレンズ
肉厚及び面間隔は0としてある。このレンズ系に対して
曲率半径r3を全系の焦点距離が正確に1となるために
用い、残りの2つの曲率半径r1,r2を変数とした。評
価関数としては3次の球面差係数とコマ収係数の2つを
採用した。初期形状としては、(1/r1,1/r2)の
座標で表わして 1/r1=−1.8,1/r2=0.5 (17) とした。そして、これら2つの変数(1/r1)、(1
/r2)の差分量δ(1/r1)、δ(1/r2)をそれ
ぞれ
は、(18)式の範囲で102きざみにすると、各変数
について4通り、合計16通りのなかから選べばよいこ
とになる。レンズ設計においては、通常、変数の種別に
よって、おおよそ設定すべき変数差分量の範囲は経験的
に分かっている。
れら2つの変数及び2つの評価関数に対するヤコビ行列
Avを求め、積行列(Av TAv)の2つの固有値s1,s2
を計算すると、以下のようになる(全体を(19)式と
する)。 (以下余白)
分布は図3(a)から図6(d)に示すようになる。こ
れらの図は、CPU1によって演算された固有値分布を
出力装置4によって印刷したものである。各図で横軸に
数値を指数表示し、その上の前記各固有値(s1、s2)
の位置を*で表わしている。また、横軸上にダンピング
ファクタρの初期値ρ0の位置をXで示し、それを中心
としたダンピングファクタρの探索範囲(以下「ρ探索
範囲」という)を[##・・・##]で示してある。な
お、本実施例では ρ0=1.0 (20) とした。また、ρ探索範囲を、
から変数の差分量の適切な値を設定するものであり、前
記ρ探索範囲に固有値s1,s2ができるだけ多く含まれ
るものを設定した方がよいことが、レンズ設計の分野で
は経験的に分かっている。この場合には図3〜6からも
明らかなようにρ探索範囲に固有値s1,s2が1つも含
まれていないものが以下に示す場合((22)式)であ
る。
に示す場合((23)式)である。
場合((24)式)である。
とによりダンピングファクタρの値を探索するための反
復計算が平均して効率良く行うことができる。より明確
に前記変数差分量の適切な値を設定するには、ダンピン
グファクタρの初期値ρ0が、積行列(Av TAv)の固有
値分布の最大のものより小さく最小のものより大きくな
っているものを設定すればよい。本実施例の場合
を設定するには、複数の変数r1,r2に対応するダンピ
ングファクタ初期値と前記積行列(Av TAv)の固有値
分布の中央値ないし平均値とが略一致するものを設定す
ればよい。略一致とは、対象によっても異なるが、レン
ズ設計の場合経験的に102から103程度で一致してい
ればよいことが分かっている。即ち、前記積行列(Av T
Av)の固有値分布の中央値ないし平均値をsmと表わす
と、前記ρ0が
た前記変数の差分量δ(1/r1)、δ(1/r2)は適
切ということになる。本実施例においては、変数の数が
2個であるので、積行列(Av TAv)の固有値分布の中
央値と平均値は一致する。そして前記変数差分量に対応
した前記固有値分布の平均値を調べると(25)式のよ
うに設定すれば(26)式の関係が満たされることが分
かる。
うには、前記固有値s1,s2がρ探索範囲に多く含まれ
るほど評価値が高くなるように、図7に示すような重み
づけをすればよい。図7で、横軸が各固有値の値、縦軸
がそれぞれの固有値にかかる重みの値であり、固有値が
ρ探索範囲に含まれる場合に1、そうでなければ0とな
るように設定されており、これによって評価値がより高
くなるような変数差分量を設定すればよい。
有値分布との相対関係に基づいて変数差分量δ(1/r
1)、δ(1/r2)の設定を行う場合には、図8に示す
ように、ダンピングファクタ初期値ρ0で最も値が高く
なり、それから遠ざかるほど徐々に値が低くなるような
連続的な重みづけをすれば良い。なお、図7,8に示す
重み付け情報(重み付け関数)は記憶装置3に格納され
ている。
化演算を行った場合の結果を説明する。
算の結果得られたメリット関数平均値、計算に要した反
復回数平均値を以下に示す。
規化してある。
個数が多いものほど、得られるメリット関数値が小さ
く、反復計算に要した回数も少なくて済む。従って、固
有値がρ探索範囲に2個入るように変数差分量を設定す
ることにより、効率良く最適なr1,r2の設計値を得る
ことができる。
有値分布の最小値と最大値の間に存在する場合と存在し
ない場合についての結果を以下に示す。
値ρ0が固有値分布の最小値と最大値の間に存在するよ
うに変数差分量を設定することにより、得られるメリッ
ト関数値が小さく反復回数も少なくて済み、最適設計を
より効率的に行うことができる。
固有値分布の平均値との差をべき数の差で表わし、差が
100,103,104,107,108の場合についての
結果は以下のようになる。
の差が3程度のとき最小となり、反復回数はべき数の差
が小さいほど少ない。従って、べき数の差が2から3程
度以内となるように変数差分量を設定することにより、
最適設計をより効率的に行うことができる。
となるレンズシステムの構成を示す図である。
数を22個、レンズの特性を表わす評価関数に主とし光
線収差量を用いた。この合計22個の変数の内訳は面の
曲率半径rが11個と面間隔gが11個であり、これら
の変数差分量を、曲率半径の逆数1/rに関しては
変数差分量を101きざみで考えると、取り得るすべて
の組合せは、
で調べたとしても、すべてを調べ終るのには約263年
という膨大な時間がかかる。これは組合せ最適化問題で
厳密な解を求めるのが非常に困難な問題(いわゆるNP
完全型の問題)の一種である。この種の問題の近似解を
非常に効率良く解く手法として、遺伝的アルゴリズム
(Genetic Algorithm)が従来より知られている。遺伝
的アルゴリズムは1960年代にJ.H.Hollandにより考
案されたもので、生物進化のエッセンスをそのままコン
ピュータ上でシミュレートすることにより、最適化問題
を効率良く解く手法である。
される。まずステップS1では問題をモデル化して遺伝
子型の設定を行う。遺伝子型としては例えば数字の列
(10100110)などを使う。次に、異なる遺伝子
を持つ個体(この場合は数字列)を多数作り出す(例え
ば10110001,01101010,111011
00・・・)(ステップS2)。そして作り出した個体
の適応性の評価を行う(ステップS3)。即ち各個体
(数列)を所定の評価関数を用いて評価し、次のステッ
プS4で評価の低い個体(数列)を淘汰する。
個体を増殖させ、淘汰された個体数を補い、次いで交差
(ステップS6)、突然変異(ステップS7)の処理を
行い、得られた個体の適応性が不充分ならステップS3
〜S7を繰り返す。ここで交差は、特定の遺伝子対を選
定して、特定部位の入れ換えを行うものであり、突然変
異はある確率で遺伝子のある部位を変化させるものであ
る。
定に適用する場合、遺伝子型をどのように設定するか及
び適応性の評価をどのように行うかがポイントとなる。
意の1組の差分量設定値をべき数で表した数列を採用し
た。即ち、例えば数列の左から右へ、1番目から11番
目までを各曲率半径rに関する差分量のべき数値、12
番目から22番目までを各面間隔gに関する差分量のべ
き数値とし、1/rの差分量をすべて1×10-6 、gの
差分量をすべて1×10-6 とするとき、この状態を表わ
す遺伝子列を -6-6-6-6-6-6-6-6-6-6-6-3-3-3-3-3-3-3-3-3-3-3 (29) とする。
v)の固有値分布の情報を用いる。より具体的には、ダ
ンピングファクタの初期値ρ0が積行列(Av TAv)の固
有値の内の最大のものより小さく最小のものより大きい
値となるものほど、高い評価結果が得られるようにす
る。
には、前記初期値ρ0を前記固有値分布の中央値あるい
は平均値とを比較し、それらが略一致する場合、高い評
価が得られるようにする。
重み付けを施し、前記固有値がρ探索範囲外よりも範囲
内のほうが評価値が高くなるように、かつ、ρ探索範囲
内でもダンピングファクタ初期値ρ0に近いほど評価が
高くなるようにした。
分量を面の曲率半径rと面間隔gとをそれぞれ共通に
(a)に示すようになった。この状態を出発点として、
図11(a)のような固有値分布に図10のような重み
付け分布をかけあわせて評価値とし、前記遺伝的アルゴ
リズムにより、適切な変数差分量を設定するための処理
を行う。その結果得られた変数差分量設定値は、曲率半
径r、面間隔gについてそれぞれ以下のようになった。
調べると図11(b)に示すようになった。図11
(a)と(b)とを比較すれば明らかなように、上述し
た処理によって、前記固有値分布がダンピングファクタ
初期値ρ0(=1.0)付近に集まっていることが分か
る。
リット関数値、および計算に要した反復回数を比較する
と、以下のようになった。
小自乗法の収束効率を向上させることができる。
1で実行される処理の概要を説明する。
うに固有値分解する。
列、Pvは、m>nのとき
持つ特異値行列である。そして、この特異値行列の積P
v TPvは、
1 2,・・・,pn 2の分布は、一般に前述した変数の差分
量δxj変化させるに伴って変化する。その際、差分量
δxjによって直接n個の特異値の自乗値p1 2,・・
・,pn 2の分布を制御するため、本実施例においても第
1の実施例と同様の手法(式(13)〜(16))を採
用している。これにより、差分量δxjによってn個の
特異値の自乗値p1 2,・・・,pn 2を自由に制御するこ
とができる。
分量δxjによるn個の特異値の自乗値分布と前記ダン
ピングファクタρの初期値との関係から、設定された変
数差分量が適切な値であるかどうかを判定するととも
に、その情報を用いて、さらに適切な値となるように変
数差分量δxjを逐次変更していくことにより最適な差
分量設定を行い、最適な設計値を効率的に得られるよう
にしている。
ズシステムに適用し、(19)式に対応するヤコビ行列
Avの特異値の自乗値p1 2,k2 2を算出すると以下よう
になる(全体を(36)式とする)。
値の分布は、前記積行列(Av TAv)の固有値の分布と
全く同じとなる。即ち、ヤコビ行列Avの特異値の自乗
値p1 2,p2 2は、積行列(Av TAv)の固有値と等し
い。
v TAv)の固有値s1,s2を、ヤコビ行列Avの特異値の
自乗値p1 2,p2 2に置き換えたものが本実施例に相当
し、本実施例によっても第1の実施例と同様の効果を奏
する。
換えが可能である。
装置又は請求項11の設計支援方法によれば、複数の構
成要素に対応する変数の差分量に対する系の特性の変化
量を要素に持つヤコビ行列(Av)と該ヤコビ行列の転
置行列(Av T)との積で構成される積行列(Av TAv)
の固有値分布情報が演算され、該固有値分布情報を用い
て前記変数の差分量が設定されるので、降下法による最
適値の演算を効率良く行い、最適な設計値を効率良く得
ることができる。
16の設計支援方法によれば、複数の構成要素に対応す
る変数の差分量に対する前記系の特性の変化量を要素に
持つヤコビ行列(Av)の特異値の自乗値分布情報が演
算され、該自乗値分布情報を用いて前記変数の差分量が
設定されるので、上記同様の効果を奏する。
示す図である。
す図である。
(ヤコビ行列の特異値の自乗値)の分布を示す図であ
る。
(ヤコビ行列の特異値の自乗値)の分布を示す図であ
る。
(ヤコビ行列の特異値の自乗値)の分布を示す図であ
る。
(ヤコビ行列の特異値の自乗値)の分布を示す図であ
る。
である。
である。
図である。
図である。
(ヤコビ行列の特異値の自乗値)の分布を示す図であ
る。
ャートである。
Claims (20)
- 【請求項1】 複数の構成要素からなる設計対象の系が
所望の特性となるように、前記複数の構成要素を局所的
に変更して最適化する減衰最小自乗法によりレンズ等の
設計を支援する設計支援装置において、 前記複数の構成要素に対応する変数の差分量に対する前
記系の特性の変化量を要素に持つヤコビ行列(Av)と
該ヤコビ行列の転置行列(Av T)との積で構成される
積行列(Av TAv)の固有値分布情報を演算する固有値
分布情報演算手段と、 該固有値分布情報を用いて前記変数の差分量を設定する
差分量設定手段とを設けたことを特徴とするレンズ等の
設計支援装置。 - 【請求項2】 前記差分量設定手段は、減衰最小自乗法
におけるダンピングファクタ初期値が前記積行列の固有
値分布の最小値と最大値の間に存在するように前記変数
の差分量を設定することを特徴とする請求項1記載の設
計支援装置。 - 【請求項3】 前記差分量設定手段は、前記積行列の固
有値分布の中央値が減衰最小自乗法におけるダンピング
ファクタ初期値に略一致するように前記変数の差分量を
設定することを特徴とする請求項1記載の設計支援装
置。 - 【請求項4】 前記差分量設定手段は、前記積行列の固
有値分布の平均値が減衰最小自乗法におけるダンピング
ファクタ初期値に略一致するように前記変数の差分量を
設定することを特徴とする請求項1記載の設計支援装
置。 - 【請求項5】 前記差分量設定手段は、前記積行列の固
有値分布情報と該固有値分布に対応して設定された所定
の重み付け情報とを用いて前記変数の差分量を設定する
ことを特徴とする請求項1記載の設計支援装置。 - 【請求項6】 複数の構成要素からなる設計対象の系が
所望の特性となるように、前記複数の構成要素を局所的
に変更して最適化する減衰最小自乗法によりレンズ等の
設計を支援する設計支援装置において、 前記複数の構成要素に対応する変数の差分量に対する前
記系の特性の変化量を要素に持つヤコビ行列(Av)の
特異値の自乗値分布情報を演算する自乗値分布情報演算
手段と、 該自乗値分布情報を用いて前記変数の差分量を設定する
差分量設定手段とを設けたことを特徴とするレンズ等の
設計支援装置。 - 【請求項7】 前記差分量設定手段は、減衰最小自乗法
におけるダンピングファクタ初期値が、前記ヤコビ行列
の特異値の自乗値分布の最小値と最大値の間に存在する
ように前記変数の差分量を設定することを特徴とする請
求項6記載の設計支援装置。 - 【請求項8】 前記差分量設定手段は、前記ヤコビ行列
の特異値の自乗値分布の中央値が減衰最小自乗法におけ
るダンピングファクタ初期値に略一致するように前記変
数の差分量を設定することを特徴とする請求項6記載の
設計支援装置。 - 【請求項9】 前記差分量設定手段は、前記ヤコビ行列
の特異値の自乗値分布の平均値が減衰最小自乗法におけ
るダンピングファクタ初期値に略一致するように前記変
数の差分量を設定することを特徴とする請求項6記載の
設計支援装置。 - 【請求項10】 前記差分量設定手段は、前記ヤコビ行
列の特異値の自乗値分布情報と該自乗値分布に対応して
設定された所定の重み付け情報とを用いて前記変数の差
分量を設定することを特徴とする請求項6記載の設計支
援装置。 - 【請求項11】 複数の構成要素からなる設計対象の系
が所望の特性となるように、前記複数の構成要素を局所
的に変更して最適化する減衰最小自乗法によりレンズ等
の設計を支援する設計支援方法において、 前記複数の構成要素に対応する変数の差分量に対する前
記系の特性の変化量を要素に持つヤコビ行列(Av)と
該ヤコビ行列の転置行列(Av T)との積で構成される積
行列(Av TAv)の固有値分布情報を演算し、 該固有値分布情報を用いて前記変数の差分量を設定する
ことを特徴とするレンズ等の設計支援方法。 - 【請求項12】 減衰最小自乗法におけるダンピングフ
ァクタ初期値が前記積行列の固有値分布の最小値と最大
値の間に存在するように前記変数の差分量を設定するこ
とを特徴とする請求項11記載の設計支援方法。 - 【請求項13】 前記積行列の固有値分布の中央値が減
衰最小自乗法におけるダンピングファクタ初期値に略一
致するように前記変数の差分量を設定することを特徴と
する請求項11記載の設計支援装置。 - 【請求項14】 前記積行列の固有値分布の平均値が減
衰最小自乗法におけるダンピングファクタ初期値に略一
致するように前記変数の差分量を設定することを特徴と
する請求項11記載の設計支援装置。 - 【請求項15】 前記積行列の固有値分布情報と該固有
値分布に対応して設定された所定の重み付け情報とを用
いて前記変数の差分量を設定することを特徴とする請求
項11記載の設計支援方法。 - 【請求項16】 複数の構成要素からなる設計対象の系
が所望の特性となるように、前記複数の構成要素を局所
的に変更して最適化する減衰最小自乗法によりレンズ等
の設計を支援する設計支援方法において、 前記複数の構成要素に対応する変数の差分量に対する前
記系の特性の変化量を要素に持つヤコビ行列(Av)の
特異値の自乗値分布情報を演算し、 該自乗値分布情報を用いて前記変数の差分量を設定する
ことを特徴とするレンズ等の設計支援方法。 - 【請求項17】 減衰最小自乗法におけるダンピングフ
ァクタ初期値が、前記ヤコビ行列の特異値の自乗値分布
の最小値と最大値の間に存在するように前記変数の差分
量を設定することを特徴とする請求項16記載の設計支
援方法。 - 【請求項18】 前記ヤコビ行列の特異値の自乗値分布
の中央値が減衰最小自乗法におけるダンピングファクタ
初期値に略一致するように前記変数の差分量を設定する
ことを特徴とする請求項16記載の設計支援方法。 - 【請求項19】 前記ヤコビ行列の特異値の自乗値分布
の平均値が減衰最小自乗法におけるダンピングファクタ
初期値に略一致するように前記変数の差分量を設定する
ことを特徴とする請求項16記載の設計支援方法。 - 【請求項20】 前記ヤコビ行列の特異値の自乗値分布
情報と該自乗値分布に対応して設定された所定の重み付
け情報とを用いて前記変数の差分量を設定することを特
徴とする請求項16記載の設計支援方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP14709594A JP3423415B2 (ja) | 1994-06-06 | 1994-06-06 | レンズ等の設計支援装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP14709594A JP3423415B2 (ja) | 1994-06-06 | 1994-06-06 | レンズ等の設計支援装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH07334560A true JPH07334560A (ja) | 1995-12-22 |
JP3423415B2 JP3423415B2 (ja) | 2003-07-07 |
Family
ID=15422375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP14709594A Expired - Fee Related JP3423415B2 (ja) | 1994-06-06 | 1994-06-06 | レンズ等の設計支援装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3423415B2 (ja) |
-
1994
- 1994-06-06 JP JP14709594A patent/JP3423415B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP3423415B2 (ja) | 2003-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6941289B2 (en) | Hybrid neural network generation system and method | |
CA2550180C (en) | Robust modeling | |
WO2019144066A1 (en) | Systems and methods for preparing data for use by machine learning algorithms | |
Kampolis et al. | A multilevel approach to single-and multiobjective aerodynamic optimization | |
CA2436352A1 (en) | Process and system for developing a predictive model | |
Adánez et al. | Multidimensional membership functions in T–S fuzzy models for modelling and identification of nonlinear multivariable systems using genetic algorithms | |
WO2022105108A1 (zh) | 一种网络数据分类方法、装置、设备及可读存储介质 | |
Navgaran et al. | Evolutionary based matrix factorization method for collaborative filtering systems | |
CN112231839B (zh) | 针对高耗时约束的飞行器追峰采样智能探索方法 | |
CN109034175A (zh) | 数据处理方法、装置及设备 | |
CN111382960A (zh) | 一种自适应粒子群优化的物流中心选址模型 | |
JP7267966B2 (ja) | 情報処理装置及び情報処理方法 | |
CN106997484A (zh) | 一种优化用户信用模型建模过程的方法及装置 | |
JP3881510B2 (ja) | 曲面モデルの同定方法及びプログラム | |
CN116047753B (zh) | 光学系统正交优化模型的构建及优化方法 | |
CN116993548A (zh) | 基于增量学习的LightGBM-SVM的教育培训机构信用评估方法及系统 | |
Amini et al. | A fuzzy MADM method for uncertain attributes using ranking distribution | |
CN110134861B (zh) | 一种基于项目类别和用户偏好的推荐方法 | |
JP3423416B2 (ja) | レンズ等の設計支援装置及び方法 | |
JP3423415B2 (ja) | レンズ等の設計支援装置及び方法 | |
CN115146455B (zh) | 一种计算实验支持的复杂供应链多目标决策方法 | |
CN116415177A (zh) | 一种基于极限学习机的分类器参数辨识方法 | |
Valdez et al. | A meta-heuristic for topology optimization using probabilistic learning | |
Araujo et al. | Hybrid intelligent design of morphological-rank-linear perceptrons for software development cost estimation | |
CN106803233A (zh) | 图像透视变换的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090425 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090425 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100425 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110425 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130425 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130425 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140425 Year of fee payment: 11 |
|
LAPS | Cancellation because of no payment of annual fees |