用于光学瞄准镜的镜片打磨质量优化方法及系统

技术领域

本发明涉及镜片打磨技术领域，具体涉及用于光学瞄准镜的镜片打磨质量优化方法及系统。

背景技术

光学瞄准镜的原理是光学透镜成像，因此，镜片的打磨质量是影响光学瞄准镜质量的重要因素，提高镜片打磨质量，对于提升光学瞄准镜的质量具有重要意义。传统镜片技术中，大多是在镜片打磨完成后对镜片打磨质量进行检测，然后根据质量检测结果基于工人经验对打磨控制参数进行调整，随着人工智能技术的发展，镜片打磨技术也实现了自动化控制，但是现有技术中，往往是在质量检测异常后才会对异常镜片的打磨控制参数进行调整，那么，如果存在异常检测失误，就会导致质量优化效果不佳，且对打磨控制参数进行调整时，容易陷入具备最优，优化效果不佳。

目前，现有技术中存在对于镜片的打磨控制参数的寻优效果不佳，进而导致打磨质量不高的技术问题。

发明内容

本发明提供了用于光学瞄准镜的镜片打磨质量优化方法及系统，用以解决现有技术中存在对于镜片的打磨控制参数的寻优效果不佳，进而导致打磨质量不高的技术问题。

根据本发明的第一方面，提供了一种用于光学瞄准镜的镜片打磨质量优化方法，包括：采用基础信息采集工站，采集光学瞄准镜的设计数据，所述设计数据包括镜片的中心厚度和曲率半径；根据所述设计数据，构建对光学瞄准镜的镜片进行打磨的状态迁移模型；通过打磨参数采集工站，采集当前打磨状态下，镜片的打磨数据，所述打磨数据包括当前的中心厚度和曲率半径；将所述打磨数据输入所述状态迁移模型，获取目标打磨状态下的目标打磨数据；基于所述打磨数据和目标打磨数据，构建打磨控制参数搜索域，并构建打磨控制函数；通过打磨优化工站，在所述打磨控制参数搜索域内，进行打磨控制参数寻优，采用所述打磨控制函数进行评价，获得最优打磨控制参数，控制对镜片进行打磨，其中，在寻优过程中的每轮寻优内，通过评价计算适应度，计算每个解受到的引力合力，对每个解的移动速度进行调整，并进行每个解的更新。

根据本发明的第二方面，提供了一种用于光学瞄准镜的镜片打磨质量优化系统，包括：基础信息采集模块，所述基础信息采集模块用于采用基础信息采集工站，采集光学瞄准镜的设计数据，所述设计数据包括镜片的中心厚度和曲率半径；状态迁移模型构建模块，所述状态迁移模型构建模块用于根据所述设计数据，构建对光学瞄准镜的镜片进行打磨的状态迁移模型；打磨数据采集模块，所述打磨数据采集模块用于通过打磨参数采集工站，采集当前打磨状态下，镜片的打磨数据，所述打磨数据包括当前的中心厚度和曲率半径；目标打磨数据获取模块，所述目标打磨数据获取模块用于将所述打磨数据输入所述状态迁移模型，获取目标打磨状态下的目标打磨数据；打磨控制函数构建模块，所述打磨控制函数构建模块用于基于所述打磨数据和目标打磨数据，构建打磨控制参数搜索域，并构建打磨控制函数；打磨控制优化模块，所述打磨控制优化模块用于通过打磨优化工站，在所述打磨控制参数搜索域内，进行打磨控制参数寻优，采用所述打磨控制函数进行评价，获得最优打磨控制参数，控制对镜片进行打磨，其中，在寻优过程中的每轮寻优内，通过评价计算适应度，计算每个解受到的引力合力，对每个解的移动速度进行调整，并进行每个解的更新。

根据本发明采用的一个或多个技术方案，可达到的有益效果如下：

采用基础信息采集工站，采集光学瞄准镜的设计数据，打磨完成设计数据包括镜片的中心厚度和曲率半径，根据打磨完成设计数据，构建对光学瞄准镜的镜片进行打磨的状态迁移模型，通过打磨参数采集工站，采集当前打磨状态下，镜片的打磨数据，打磨完成打磨数据包括当前的中心厚度和曲率半径，将打磨完成打磨数据输入打磨完成状态迁移模型，获取目标打磨状态下的目标打磨数据，基于打磨完成打磨数据和目标打磨数据，构建打磨控制参数搜索域，并构建打磨控制函数，通过打磨优化工站，在打磨完成打磨控制参数搜索域内，进行打磨控制参数寻优，采用打磨完成打磨控制函数进行评价，获得最优打磨控制参数，控制对镜片进行打磨。由此通过根据状态迁移模型获取目标打磨数据，进而根据打磨控制函数对打磨控制参数进行评价，基于引力搜索对打磨控制参数进行优化，达到提升镜片打磨的控制效果，进而提升镜片打磨质量的技术效果。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种用于光学瞄准镜的镜片打磨质量优化方法的流程示意图；

图2为本发明实施例提供的一种用于光学瞄准镜的镜片打磨质量优化系统的结构示意图。

附图标记说明：基础信息采集模块11，状态迁移模型构建模块12，打磨数据采集模块13，目标打磨数据获取模块14，打磨控制函数构建模块15，打磨控制优化模块16。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。

说明书中使用的术语用于描述实施例，而不是限制本发明。如在说明书中所使用的，单数术语“一”“一个”和“该”旨在也包括复数形式，除非上下文另有清楚指示。当在说明书中使用时，术语“包括”和/或“包含”指定了步骤、操作、元件和/或组件的存在，但是不排除一个或多个其他步骤、操作、元件、组件和/或其组的存在或添加。

除非另有定义，本说明书中使用的所有术语(包括技术和科学术语)应具有与本发明所属领域的技术人员通常理解的相同含义。术语，如常用词典中定义的术语，不应以理想化或过于正式的意义来解释，除非在此明确定义。在整个说明书中，相同的附图标记表示相同的元件。

需要说明的是，本发明所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

实施例一

图1为本发明实施例提供的一种用于光学瞄准镜的镜片打磨质量优化方法图，所述方法包括：

采用基础信息采集工站，采集光学瞄准镜的设计数据，所述设计数据包括镜片的中心厚度和曲率半径；

本发明实施例提供了一种用于光学瞄准镜的镜片打磨质量优化方法，所述方法应用于一用于光学瞄准镜的镜片打磨质量优化装置，所述装置包括基础信息采集工站、打磨参数采集工站、打磨优化工站，基础信息采集工站、打磨参数采集工站是用于对光学瞄准镜的镜片参数进行采集的装置，其中，基础信息采集工站用于采集镜片的设计参数，可通过对镜片的设计图纸识别获取，也可由工作人员通过用户端直接上传；打磨参数采集工站内部包含多种传感器，用于对镜片的厚度、曲率半径进行实时采集。打磨优化工站是用于对基础信息采集工站、打磨参数采集工站采集到的数据进行分析后进行打磨控制参数优化的装置。

采用基础信息采集工站，采集光学瞄准镜的设计数据，所述设计数据包括镜片的中心厚度和曲率半径，光学瞄准镜的原理是光学透镜成像，那么镜片的中心厚度及其曲率半径会决定光线穿过透镜的光学路径长度，从而影响光学瞄准镜的光学性能，可以说，中心厚度和曲率半径是影响光学瞄准镜的质量的重要因素。在对光学瞄准镜进行生产时，会由本领域技术人员根据需求（比如放大倍数要求等）光学瞄准镜进行设计，确定需要的镜片的中心厚度和曲率半径，也就是说，光学瞄准镜的设计数据是由本领域技术人员预先设计好的，因此，基础信息采集工站可以是一个用户终端设备，便于用户将本领域技术人员预先设计好的设计数据直接上传。

根据所述设计数据，构建对光学瞄准镜的镜片进行打磨的状态迁移模型；

在一个优选实施例中，还包括：

根据所述设计数据，获取镜片由未打磨状态到打磨完成达到所述设计数据要求的多个打磨数据记录，每个打磨数据记录内包括多个打磨次数和多个打磨状态；基于马尔科夫模型，构建所述多个打磨次数和多个打磨状态的映射关系，获得多个对镜片进行打磨的状态迁移分支；集成多个状态迁移分支，获得状态迁移模型。

根据所述设计数据，构建对光学瞄准镜的镜片进行打磨的状态迁移模型，所述状态迁移模型是基于现有的马尔科夫模型构建的，用于分析镜片打磨过程中的不同节点对应的打磨状态，也就是不同节点下的中心厚度和曲率半径，具体过程如下：

根据所述设计数据，获取镜片由未打磨状态到打磨完成达到所述设计数据要求的多个打磨数据记录，每个打磨数据记录内包括多个打磨次数和多个打磨状态，也就是说，多个打磨数据记录是进行光学瞄准镜的镜片打磨的历史数据，可在光学瞄准镜的打磨车间调取多个打磨数据记录，即在对镜片打磨的过程中，需要进行多次打磨才能达到所述设计数据要求，每一次进行打磨都有其对应的打磨参数，比如打磨目数、打磨强度等参数，且每一次打磨完成后，镜片的中心厚度的曲率半径均会发生变化，记录每一次打磨后的镜片的中心厚度和曲率半径作为每一次打磨后的打磨状态，由此得到多个打磨次数和多个打磨状态。

基于马尔科夫模型，构建所述多个打磨次数和多个打磨状态的映射关系，获得多个对镜片进行打磨的状态迁移分支，具体来说，马尔科夫模型即马尔可夫链，以镜片的未打磨状态作为马尔科夫链的第一节点的状态，按照打磨顺序，每一个打磨次数对应一个节点，以每一次打磨后的打磨参数，即镜片的中心厚度的曲率半径作为每一个节点的状态，以此作为一个状态迁移分支，状态迁移分支包含了镜片随着打磨次数的变化。采用相同的方法，构建多个状态迁移分支，多个打磨数据记录对应多个状态迁移分支，集成多个状态迁移分支作为状态迁移模型。为后续的打磨控制参数的优化提供模型支持。

通过打磨参数采集工站，采集当前打磨状态下，镜片的打磨数据，所述打磨数据包括当前的中心厚度和曲率半径；

通过打磨参数采集工站，采集当前打磨状态下，镜片的打磨数据，所述打磨数据包括当前的中心厚度和曲率半径，打磨参数采集工站中包含了现有的用于进行厚度测量和曲率半径测量的传感器，比如激光测厚传感器、曲率检测仪等，通过打磨参数采集工站内置的传感器对当前打磨状态下镜片当前的中心厚度和曲率半径进行采集，组成当前打磨状态下镜片的打磨数据。

将所述打磨数据输入所述状态迁移模型，获取目标打磨状态下的目标打磨数据；

在一个优选实施例中，还包括：

根据所述打磨数据，在所述状态迁移模型内进行遍历搜索，获得匹配状态；将所述匹配状态的下一打磨状态作为目标打磨状态，所述目标打磨状态内包括目标打磨数据。

将所述打磨数据输入所述状态迁移模型，根据所述打磨数据，在所述状态迁移模型内进行遍历搜索，所述状态迁移模型内部集成了多个状态迁移分支，每个状态迁移分支均包含多个打磨状态，将所述打磨数据在所述状态迁移模型内进行遍历匹配，获取与所述打磨数据对应的打磨状态作为匹配状态。进而在所述状态迁移模型内部提取所述匹配状态的下一打磨状态作为目标打磨状态，所述目标打磨状态内包括目标打磨数据，目标打磨数据皆为下一打磨状态对应的镜片中心厚度和曲率半径。

基于所述打磨数据和目标打磨数据，构建打磨控制参数搜索域，并构建打磨控制函数；

在一个优选实施例中，还包括：

根据所述打磨数据和目标打磨数据，获取对所述打磨数据进行打磨的多个打磨控制参数，构建所述打磨控制参数搜索域；

构建打磨控制函数，如下式：

；

其中，

根据所述打磨数据和目标打磨数据，获取对所述打磨数据进行打磨的多个打磨控制参数，比如打磨目数、打磨强度等参数，可以理解，所述打磨数据是指镜片当前的中心厚度和曲率半径，目标打磨数据是指目标打磨状态对应的镜片的中心厚度和曲率半径。基于此，根据镜片打磨的历史打磨记录提取可以将镜片由打磨数据变化至所述目标打磨数据的历史控制参数作为多个打磨控制参数，以所述多个打磨控制参数组成所述打磨控制参数搜索域。进一步构建打磨控制函数，如下式：

；

其中，

和/>

通过打磨优化工站，在所述打磨控制参数搜索域内，进行打磨控制参数寻优，采用所述打磨控制函数进行评价，获得最优打磨控制参数，控制对镜片进行打磨，其中，在寻优过程中的每轮寻优内，通过评价计算适应度，计算每个解受到的引力合力，对每个解的移动速度进行调整，并进行每个解的更新。

在一个优选实施例中，还包括：

在所述打磨控制参数域内随机生成多个第一解，每个第一解内包括一打磨控制参数和初始速度；分别根据多个第一解进行镜片打磨模拟，并根据所述打磨控制函数，计算获得多个第一适应度；根据多个第一适应度，计算每个第一解受到的引力合力；根据多个第一引力合力，对多个第一解的初始速度进行调整，获得多个第一速度；采用多个第一速度，对多个第一解进行更新，获得第二解；继续进行多轮寻优，直到达到寻优目标次数，获得最优打磨控制参数。

在一个优选实施例中，还包括：

以当前打磨状态的打磨数据为索引，调取镜片的打磨历史数据，获取样本打磨控制参数集、以及打磨后的样本中心厚度集、样本曲率半径集和多个样本曲率集；采用所述样本打磨控制参数集作为训练输入，采用所述样本中心厚度集、样本曲率半径集和多个样本曲率集作为训练输出，构建打磨模拟通道并训练至收敛；采用所述打磨模拟通道，对所述多个第一解内的打磨控制参数进行模拟打磨，并结合所述打磨控制函数，计算获得多个第一适应度。

在一个优选实施例中，还包括：

按照多个第一适应度的大小，进行排序，获得第一适应度序列；计算每个第一适应度与第一适应度序列内其他大于该第一适应度的适应度的差值，获得多个差值集合；对多个差值集合进行加权计算，获得多个加权差值，其中，对于第一适应度序列内的最大的适应度，将初始速度调整为最小的；将多个加权差值作为多个引力合力，并根据每个引力合力与引力合力均值的比值，对初始速度进行计算调整，获得多个第一速度。

通过打磨优化工站，在所述打磨控制参数搜索域内，进行打磨控制参数寻优，采用所述打磨控制函数进行评价，获得最优打磨控制参数，控制对镜片进行打磨，其中，在寻优过程中的每轮寻优内，通过评价计算适应度，计算每个解受到的引力合力，对每个解的移动速度进行调整，并进行每个解的更新，具体过程如下：

在所述打磨控制参数域内随机生成多个第一解，每个第一解内包括一打磨控制参数和初始速度，初始速度由本领域技术人员自行设定，其表征对每个第一解进行更新的初始速度，比如每次将打磨控制参数调整多少幅值。

分别根据多个第一解进行镜片打磨模拟，并根据所述打磨控制函数，计算获得多个第一适应度，具体来说，首先以当前打磨状态的打磨数据为索引，调取镜片的打磨历史数据，从打磨历史数据中提取历史打磨控制参数作为样本打磨控制参数集，同时提取历史打磨控制参数对应的打磨后的样本中心厚度集、样本曲率半径集和多个样本曲率集。采用所述样本打磨控制参数集作为训练输入，采用所述样本中心厚度集、样本曲率半径集和多个样本曲率集作为训练输出，需要说明的是，在打磨完成后对镜片的曲率进行检测时，一般会对镜片上的多个位置进行曲率检测，因此，每一个样本打磨控制参数对应一个样本中心厚度、一个曲率半径，和多个位置的曲率，基于此构建打磨模拟通道并训练至收敛，打磨模拟通道是机器学习中的神经网络模型，将样本打磨控制参数集中的任意一个样本打磨控制参数输入打磨模拟通道，通过所述样本中心厚度集、样本曲率半径集和多个样本曲率集中与样本打磨控制参数对应的样本中心厚度、样本曲率半径和样本曲率对打磨模拟通道的输出进行监督调整，使得打磨模拟通道的输出不断向样本中心厚度、样本曲率半径和样本曲率靠近，将所有数据训练完毕后对打磨模拟通道进行测试，获得准确率符合要求的打磨模拟通道。将所述多个第一解内的打磨控制参数依次所述打磨模拟通道，对进行模拟打磨，即可得到镜片的中心厚度、曲率半径和多个位置的曲率，将其代入，所述打磨控制函数，计算获得多个第一解对应的多个第一适应度，适应度越大，说明第一解对应的镜片打磨质量越好，便于后续进行打磨控制参数的寻优，从而提升镜片打磨质量。

根据多个第一适应度，计算每个第一解受到的引力合力，并根据多个第一引力合力，对多个第一解的初始速度进行调整，获得多个第一速度，具体来说，首先按照多个第一适应度的大小，由大到小的进行排序，获得第一适应度序列。依次提取第一适应度序列中的每一个第一适应度，然后在第一适应度序列中获取大于该第一适应度的其他多个第一适应度，计算其他多个第一适应度与该第一适应度的多个差值组成一个差值集合，以此类推，可获得多个差值集合，需要说明的是，第一适应度序列中的最大的第一适应度并没有对应的差值集合。对多个差值集合进行加权计算，就是对多个差值集合中的每一个差值集合中的多个差值进行加权计算，即可获得多个加权差值。加权计算过程中，根据每个差值对应的第一适应度在第一适应度序列内的位置，进行权重分配，对应的第一适应度的位置越靠前，即对应的第一适应度越大，权重值就越大，基于此进行加权计算。将多个加权差值作为多个引力合力，并根据每个引力合力与多个引力合力的引力合力均值的比值，分别用比值乘以初始速度进行计算调整，即可获得多个第一速度。其中，第一适应度序列中的最大的第一适应度并没有对应的差值集合，因此，其也没有对应的引力合力，对于第一适应度序列内的最大的适应度，默认将初始速度调整为最小的，得到其对应的第一速度，也就是说，第一适应度序列内的最大的适应度所对应的第一速度是最小的。由此实现根据适应度对解的更新速度的分析，提升全局寻优准确性。

进一步采用多个第一速度，第一速度越大，对每个第一解内的打磨控制参数的调整幅度越大，由此对多个第一解进行更新，获得第二解，利用与计算第一适应度相同的方法，通过打磨控制函数继续计算多个第二解对应的多个第二适应度，然后对多个第二适应度按照由大到小的顺序进行排序，采用获取第一引力合力、第一速度相同的方法，计算获取多个第二引力合力、多个第二速度，然后再次根据第二速度对第二解进行更新，以此类推，继续进行多轮寻优，直到达到寻优目标次数，寻优目标次数由本领域技术人员自行设定，比如50次。达到寻优目标次数后，根据每一次寻优计算获得的适应度，选择最大适应度所对应的解内包含的打磨控制参数作为最优打磨控制参数，根据最优打磨控制参数控制对镜片进行打磨，由此实现对打磨控制参数的寻优，提升打磨质量。

基于上述分析可知，本发明提供的一个或多个技术方案，可达到的有益效果如下：

采用基础信息采集工站，采集光学瞄准镜的设计数据，打磨完成设计数据包括镜片的中心厚度和曲率半径，根据打磨完成设计数据，构建对光学瞄准镜的镜片进行打磨的状态迁移模型，通过打磨参数采集工站，采集当前打磨状态下，镜片的打磨数据，打磨完成打磨数据包括当前的中心厚度和曲率半径，将打磨完成打磨数据输入打磨完成状态迁移模型，获取目标打磨状态下的目标打磨数据，基于打磨完成打磨数据和目标打磨数据，构建打磨控制参数搜索域，并构建打磨控制函数，通过打磨优化工站，在打磨完成打磨控制参数搜索域内，进行打磨控制参数寻优，采用打磨完成打磨控制函数进行评价，获得最优打磨控制参数，控制对镜片进行打磨。由此通过根据状态迁移模型获取目标打磨数据，进而根据打磨控制函数对打磨控制参数进行评价，基于引力搜索对打磨控制参数进行优化，达到提升镜片打磨的控制效果，进而提升镜片打磨质量的技术效果。

实施例二

基于与前述实施例中一种用于光学瞄准镜的镜片打磨质量优化方法同样的发明构思，如图2所示，本发明还提供了一种用于光学瞄准镜的镜片打磨质量优化系统，所述系统包括：

基础信息采集模块11，所述基础信息采集模块11用于采用基础信息采集工站，采集光学瞄准镜的设计数据，所述设计数据包括镜片的中心厚度和曲率半径；

状态迁移模型构建模块12，所述状态迁移模型构建模块12用于根据所述设计数据，构建对光学瞄准镜的镜片进行打磨的状态迁移模型；

打磨数据采集模块13，所述打磨数据采集模块13用于通过打磨参数采集工站，采集当前打磨状态下，镜片的打磨数据，所述打磨数据包括当前的中心厚度和曲率半径；

目标打磨数据获取模块14，所述目标打磨数据获取模块14用于将所述打磨数据输入所述状态迁移模型，获取目标打磨状态下的目标打磨数据；

打磨控制函数构建模块15，所述打磨控制函数构建模块15用于基于所述打磨数据和目标打磨数据，构建打磨控制参数搜索域，并构建打磨控制函数；

打磨控制优化模块16，所述打磨控制优化模块16用于通过打磨优化工站，在所述打磨控制参数搜索域内，进行打磨控制参数寻优，采用所述打磨控制函数进行评价，获得最优打磨控制参数，控制对镜片进行打磨，其中，在寻优过程中的每轮寻优内，通过评价计算适应度，计算每个解受到的引力合力，对每个解的移动速度进行调整，并进行每个解的更新。

进一步而言，所述状态迁移模型构建模块12还用于：

根据所述设计数据，获取镜片由未打磨状态到打磨完成达到所述设计数据要求的多个打磨数据记录，每个打磨数据记录内包括多个打磨次数和多个打磨状态；

基于马尔科夫模型，构建所述多个打磨次数和多个打磨状态的映射关系，获得多个对镜片进行打磨的状态迁移分支；

集成多个状态迁移分支，获得状态迁移模型。

进一步而言，所述目标打磨数据获取模块14还用于：

根据所述打磨数据，在所述状态迁移模型内进行遍历搜索，获得匹配状态；

将所述匹配状态的下一打磨状态作为目标打磨状态，所述目标打磨状态内包括目标打磨数据。

进一步而言，所述打磨控制函数构建模块15还用于：

根据所述打磨数据和目标打磨数据，获取对所述打磨数据进行打磨的多个打磨控制参数，构建所述打磨控制参数搜索域；

构建打磨控制函数，如下式：

；

其中，

和/>

在所述打磨控制参数域内随机生成多个第一解，每个第一解内包括一打磨控制参数和初始速度；

分别根据多个第一解进行镜片打磨模拟，并根据所述打磨控制函数，计算获得多个第一适应度；

根据多个第一适应度，计算每个第一解受到的引力合力；

根据多个第一引力合力，对多个第一解的初始速度进行调整，获得多个第一速度；

采用多个第一速度，对多个第一解进行更新，获得第二解；

继续进行多轮寻优，直到达到寻优目标次数，获得最优打磨控制参数。

进一步而言，所述打磨控制优化模块16还用于：

以当前打磨状态的打磨数据为索引，调取镜片的打磨历史数据，获取样本打磨控制参数集、以及打磨后的样本中心厚度集、样本曲率半径集和多个样本曲率集；

采用所述样本打磨控制参数集作为训练输入，采用所述样本中心厚度集、样本曲率半径集和多个样本曲率集作为训练输出，构建打磨模拟通道并训练至收敛；

采用所述打磨模拟通道，对所述多个第一解内的打磨控制参数进行模拟打磨，并结合所述打磨控制函数，计算获得多个第一适应度。

进一步而言，所述打磨控制优化模块16还用于：

按照多个第一适应度的大小，进行排序，获得第一适应度序列；

计算每个第一适应度与第一适应度序列内其他大于该第一适应度的适应度的差值，获得多个差值集合；

对多个差值集合进行加权计算，获得多个加权差值，其中，对于第一适应度序列内的最大的适应度，将初始速度调整为最小的；

将多个加权差值作为多个引力合力，并根据每个引力合力与引力合力均值的比值，对初始速度进行计算调整，获得多个第一速度。

前述实施例一中的一种用于光学瞄准镜的镜片打磨质量优化方法具体实例同样适用于本实施例的一种用于光学瞄准镜的镜片打磨质量优化系统，通过前述对一种用于光学瞄准镜的镜片打磨质量优化方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种用于光学瞄准镜的镜片打磨质量优化系统，所以为了说明书的简洁，在此不再详述。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。