KR0164103B1 - Filter design method - Google Patents

Abstract

본 발명은 컴퓨팅 시스템에 적용되어 최적화된 다층 박막 광 필터를 설계하기 위한 다층 박막 광 필터 설계방법에 있어서, 최적화 하고자 하는 파라미터의 초기 집단을 생성하는 초기화 단계(10); 상기 파라미터를 돌연변이 시켜 후 파라미터를 생성하는 돌연변이 단계(20); 원하는 목표 투과도에 따라 메릿 함수를 연산하고, 연산된 메릿 함수에 따라 적합도를 연산하는 적합도 평가 단계(30); 상기 적합도 평가 단계에서 연산된 적합도 중 시뮬레이티드 어닐링에 의해 적자를 선택하는 선택 단계(40); 및 종료 조건을 만족하면 종료하고, 그렇지 않으면 상기 돌연변이 단계로 리턴하는 종료 테스트 단계(50)를 구비하는 것을 특징으로 하는 다층 박막 광 필터 설계 방법에 관한 것으로, 시뮬레이티드 어닐링과 진화 연산 알고리즘의 상호 보완적인 결합을 통해 전역 탐색을 할 수 있고, 이에 따라 최적화점을 쉽게 찾을 수 있도록 한 것이다.A multi-layer thin film optical filter design method for designing an optimized multi-layer thin film optical filter applied to a computing system, comprising: an initialization step (10) of generating an initial group of parameters to be optimized; A mutation step 20 of mutating the parameter to produce a later parameter; A fitness evaluation step (30) of calculating a merits function according to a desired target permeability, and calculating a goodness of fit according to the calculated merits function; A selection step (40) of selecting a deficit by simulated annealing among the fitness calculated in the goodness of fit step; And a termination test step (50) for terminating if the termination condition is satisfied and otherwise returning to the mutation step, wherein the simulated annealing and the evolutionary computation algorithm are interconnected. Complementary combinations enable global exploration, making it easier to find optimization points.

Description

다층 박막 광 필터 설계 방법Multilayer Thin Film Optical Filter Design Method

제1도는 다층 박막 광 필터에 전자기 평면파가 입사될 때의 계수연산을 설명하기 위한 단면도.1 is a cross-sectional view for explaining a coefficient operation when an electromagnetic plane wave is incident on a multilayer thin film optical filter.

제2도는 본 발명의 일실시예에 따른 다층 박막 광 필터의 설계 과정을 설명하기 위한 흐름도.2 is a flowchart illustrating a design process of a multilayer thin film optical filter according to an embodiment of the present invention.

* 도면의 주요부분에 대한 부호의 설명* Explanation of symbols for main parts of the drawings

1 : 다층 박막 광 필터1: multilayer thin film optical filter

본 발명은 다층 박막 광 필터(Multilayer Thin Film Optical Filter) 설계 방법에 관한 것으로, 특히, 탐색 알고리즘 중의 하나인 진화 연산(Evolutionary Computation) 알고리즘인 진화 프로그래밍(EP; Evolutionary Programming)을 사용하여 원하는 필터 사양을 만족하는 다층 박막 광 필터를 효율적으로 설계하는 방법에 관한 것이다.The present invention relates to a method for designing a multilayer thin film optical filter, and in particular, a desired filter specification using evolutionary programming (EP), an evolutionary computation algorithm, which is one of search algorithms. A method of efficiently designing a satisfying multilayer thin film optical filter.

일반적으로, 광 박막(Optical Thin Film)을 여러 층으로 쌓으면 빔이 지나가면서 서로간에 보강 간섭 혹은 상쇄 간섭을 일으키는데, 이를 이용하여 각 박막의 광학적 두께 혹은 굴절률을 조절함으로서 투과도(Transmittance) 혹은 반사도(Reflectance)를 파장별로 원하는 특성을 갖도록 하는 광 필터를 설계할 수 있다.In general, when an optical thin film is stacked in several layers, beams pass and cause constructive or destructive interference with each other. Can be designed to have a desired characteristic for each wavelength.

다층 박막 광 필터 문제를 해결할 수 있는 최적화 방법은 크게 두 가지 형태로 나눌 수 있다.There are two types of optimization methods that can solve the multilayer thin film optical filter problem.

비용 함수(Cost Function)에 대해 최적하고자 하는 파라미터의 미분을 구해, 그것의 반대 방향으로 찾아가는 그래이디언트 방법(Gradient Method)과 통계적인 함수를 바탕으로 탐색하는 가이디드 랜덤 탐색 방법(Guided Random Search Method)으로 크게 나뉜다. 최근 각광을 받고 있는 진화 연산(Evolutionary Computation) 알고리즘은 상기 방법 중 후자에 속한다.Find the derivative of the parameter that you want to optimize for the cost function, and use the gradient method to search in the opposite direction and the guided random search method to search based on statistical functions. Are largely divided into Evolutionary Computation algorithm, which is in the spotlight recently, belongs to the latter method.

종래에는 그래이디언트 방법 형태의 최적화 기법이 많이 이용되어 왔는데, 이 방법은 최적화 속도 면에서 비교적 빠르지만 전역 최적점(Global Optimum)을 찾기 어려운 제한 탐색을 한다는 문제점을 갖고 있다. 반면에, 시뮬레이티드 어닐링(Simulated Annealing) 혹은 진화 연산 알고리즘은 전역 탐색(Global Search)을 하는 장점을 갖고 있다.Conventionally, a gradient method-type optimization technique has been used a lot. This method has a problem in that it is relatively fast in terms of optimization speed, but has a limitation search that makes it difficult to find a global optimal point. On the other hand, simulated annealing or evolutionary algorithms have the advantage of global search.

또한, 기존의 방법은 초기 설계, 즉 어떤 기준 파장에 의해 λ/4의 두께로 굴절률이 높은 것과 낮은 것을 교대로 쌓는 과정을 거치고 난 후, 개선 설계(Refinement Design) 과정에서 최적화 기법이 도입된다. 따라서, 초기 설계 과정이 잘못된 경우는 개선 설계를 아무리 잘한다 하더라도 최적점에 도달하기 어려운 문제점을 갖고 있다.In addition, the conventional method undergoes an initial design, that is, a process of alternately stacking a high refractive index and a low refractive index with a thickness of λ / 4 by a certain reference wavelength, and then an optimization technique is introduced in the refinement design process. Therefore, if the initial design process is wrong, no matter how good the improvement design, it is difficult to reach the optimum point.

따라서, 본 발명은 상기 문제점을 해결하기 위하여 안출된 것으로, 시뮬레이티드 어닐링과 진화 연산 알고리즘의 상호 보완적인 결합을 통해 전역 탐색을 할 수 있고, 이에 따라 최적화점을 찾기가 용이한 다층 박막 광 필터 설계 방법을 제공함에 그 목적이 있다.Accordingly, the present invention has been made to solve the above problems, the multi-layer thin film optical filter that can be searched globally through the complementary combination of simulated annealing and evolutionary computation algorithm, it is easy to find the optimization point The purpose is to provide a design method.

상기 목적을 달성하기 위하여 본 발명은, 컴퓨팅 시스템에 적용되어 최적화된 다층 박막 광 필터를 설계하기 위한 다층 박막 광 필터 설계 방법에 있어서, 최적화 하고자 하는 파라미터의 초기 집단을 생성하는 초기화 단계; 상기 파라미터를 돌연변이 시켜 후 파라미터를 생성하는 돌연변이 단계; 원하는 목표 투과도에 따라 메릿 함수를 연산하고, 연산된 메릿 함수에 따라 적합도를 연산하는 적합도 평가 단계; 상기 적합도 평가 단계에서 연산된 적합도 중 시뮬레이티드 어닐링에 의해 적자를 선택하는 선택 단계; 및 종료 조건을 만족하면 종료하고, 그렇지 않으면 상기 돌연변이 단계로 리턴하는 종료 테스트 단계를 구비하는 것을 특징으로 한다.In order to achieve the above object, the present invention, a multi-layer thin film optical filter design method for designing an optimized multi-layer thin film optical filter applied to a computing system, the initial step of generating an initial group of parameters to be optimized; A mutation step of mutating the parameter to produce a later parameter; A fitness evaluation step of calculating a Merit function according to a desired target permeability, and calculating a fitness according to the calculated Mert function; Selecting a deficit by simulated annealing among the goodness of fit calculated in the goodness-of-fit evaluation step; And terminating if the terminating condition is satisfied, otherwise returning to the mutation stage.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명하면 다음과 같다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.

먼저, 본 발명의 기본적인 원래에 대하여 살펴보기로 한다.First, the basic original of the present invention will be described.

서로 다른 굴절률을 갖는 박막을 여러 층으로 쌓아 만든 다층 박막 광 코팅은 광 필터뿐만 아니라 반사-방지(Anti-reflecting) 코팅막으로 사용된다. 다층 박막 광 필터의 투과 및 반사도는 매우 복잡한 비선형 함수이며, 원하는 필터 특성을 갖도록 최적화 하기가 쉽지 않은 문제이다. 본 실시예에서는 시뮬레이티드 어닐링과 결합된 진화 연산 알고리즘 중의 하나인 진화 프로그래밍(EP)을 이용한 다층 박막 광 필터 설계 방법을 제공하고자 한다.Multi-layer thin film light coatings made by stacking thin films having different refractive indices into multiple layers are used as anti-reflecting coatings as well as optical filters. The transmission and reflectivity of the multilayer thin film optical filter is a very complex nonlinear function and it is not easy to optimize to have desired filter characteristics. In this embodiment, a multi-layer thin film optical filter design method using evolution programming (EP), which is one of evolutionary algorithms combined with simulated annealing, is provided.

자연의 적자 생존 원리를 모방한 진화 연산 알고리즘은 아주 일반적이고, 간단해서 여러 가지 최적화 문제에 적용되고 있다. 기존의 그래이디언트 디센트(Gradient Descent) 최적화 알고리즘은 일반적으로 경사도계산(Calculations of Derivatives)이 필요한 반면, 진화 연산 알고리즘은 탐색 공간의 사전 지식이 필요 없으며, 전역 탐색을 하기 때문에 최적점을 찾을 가능성을 많이 내포하고 있다.Evolutionary algorithms that mimic nature's survival of the fittest are very common and simple and are applied to a number of optimization problems. Conventional gradient descent optimization algorithms generally require calculations of derivatives, while evolutionary computation algorithms do not require prior knowledge of the search space and do not require prior knowledge of the search space. It contains a lot.

제1도는 다층 박막 광 필터에 전자기 평면파가 입사될 때의 계수연산을 설명하기 위한 단면도로서, 도면에서 n_l과 h_l은 각각 l번째 층의 굴절율과 두께를 나타낸다.FIG. 1 is a cross-sectional view for explaining coefficient operation when an electromagnetic plane wave is incident on a multilayer thin film optical filter, wherein n ₁ and h ₁ represent the refractive index and the thickness of the first layer, respectively.

제1도와 같은 다층 박막 광 필터에 전자기 평면파가 각도 φ₀으로 입사한다고 생각하자.에서 전장()과 자장()은 행렬 방정식에 의해에서의와 관련된다. M_l은 다음과 같이 정의된 2×2 전달 행렬(Transmission Matrix)이다.Assume that an electromagnetic plane wave is incident on the multilayer thin film optical filter as shown in FIG. 1 at an angle φ ₀ . Battlefield ( ) And magnetic field ( ) Is the matrix equation By In Related to. M _l is a 2x2 transmission matrix defined as:

여기서 k₀은 자유 공간에서의 파수(Wave Number)이고, 는 실효 광학 두께(Effective Optical Thickness)이며, φ₁는 l층에서 입사각이다.Where k ₀ is the wave number in free space, Is the effective optical thickness, and φ ₁ is the incident angle in the l layer.

광 특성 임피던스는 각각 티엠(TM과 티이(TE)에 대해 과로 정의된다. L층으로 이루어진 다층 박막 필터의 전체 전달 행렬은 프로덕트 메트릭스(Product Matrix) M으로 나타내며, 이는 각 층에서의 전달 행렬을 연속적으로 곱하여 다음과 같이 구해진다.Optical characteristic impedance For Tm (TM) and T and Is defined as The overall transfer matrix of the multilayer thin film filter composed of L layers is represented by the product matrix M, which is obtained by successively multiplying the transfer matrix in each layer.

또한,반사와 투과 계수는 다음과 같이 각각 나타낼 수 있다.In addition, the reflection and the transmission coefficient can be respectively expressed as follows.

여기서,과는 입사층(Incident Layer)과 기반층(Substrate Layer)에서 특성 임피던스를 나타낸다. 반사 세기와 투과세기는와로 각각 얻어진다.here, and Denotes characteristic impedance in the incident layer and the substrate layer. The reflection and transmission strengths Wow Are obtained respectively.

진화 연산 최적화 방법인 EP를 이용하여 층의 수, 각 층의 두께, 굴절률을 구해 낸다.EP is used to calculate the number of layers, the thickness of each layer, and the refractive index.

일반적인 컴퓨팅 시스템에 적용되어 다층 박막 필터를 설계하기 위한 최적화 과정은 제2도에 나타내었다. 제2도에 나타낸 각 단계를 더욱 자세히 설명하면 다음과 같다.An optimization process for designing a multilayer thin film filter applied to a general computing system is shown in FIG. 2. Each step shown in FIG. 2 is described in more detail as follows.

본 발명은 먼저, 초기화(Initialization) 단계(10)를 수행한다. 이 단계에서 최적화 하고자 하는 파라미터의 초기 집단을 생성한다. 여기서, h_i의 구성은 다층 박막 필터의 물리적인 두께, 층의 수, 각 층의 굴절률이며, 벡터 σ_i는 h_i를 얼마나 돌연변이 시킬 것인가를 결정하는 변수이다.The present invention first performs an initialization step 10. Parameters to be optimized at this stage Create an initial population of. Here, the configuration of h _i is the physical thickness of the multilayer thin film filter, the number of layers, the refractive index of each layer, and the vector σ _i is a variable that determines how much mutation h _i .

이어서, 돌연변이(Mutation) 단계(20)를 수행한다. 이 단계에서 각각의 파라미터는 돌연변이 되어 후(Offspring) 파라미터를 다음과 같이 생성한다.Subsequently, a mutation step 20 is performed. Each parameter in this step Are mutated offspring parameters Create

여기서, h_ij, h'_ij, σ_ij그리고 σ'_ij는 각각 h_i, h'_i, σ_i그리고 σ'_i벡터의 j 성분을 의미한다.Here, h _ij , h ' _ij , σ _ij and σ' _ij mean j components of h _i , h ' _i , σ _i and σ' _i vectors, respectively.

또한, N(0,1)은 (0)의 평균을 갖고 표준편차 '1'을 갖는 가우시안 랜덤함수를 의미한다. 연산자 파라미터(Operator Set Parameter)인 τ, τ'는 전체 파라미터 공통으로 적용되는 스텝 크기와 개별 파라미터별로 작용하는 스텝 크기를 각각 나타낸다.In addition, N (0,1) means a Gaussian random function having an average of (0) and a standard deviation '1'. Operator set parameters τ and τ 'represent step sizes applied to all parameters in common and step sizes acting for individual parameters, respectively.

계속해서, 적합도 평가(Fitness Evaluation) 단계(30)를 수행한다. 이 단계에서 다중 박막 광 필터에 대한 메릿 함수(Merit Function)는 간단히 오차 자승으로와 같이 정의한다. 여기서,는 원하는 목표 투과도와 파라미터 h_i에 대한 투과도를 각각 나타낸다. 그리고 s는 주파수에 대한 인덱스이다. 파라미터 h_i와 h'_i에 대한 E(h_i)와 E(h'_i)를 계산하고, 적합도는로 계산된다.Subsequently, a fitness evaluation step 30 is performed. At this stage, the Merit function for multiple thin film optical filters is simply It is defined as here, Denotes the desired target transmittance and transmittance for the parameter h _i , respectively. And s is an index to frequency. Compute E (h _i ) and E (h ' _i ) for the parameters h _i and h' _i , and the goodness of fit is Is calculated.

다음으로, 선택(Selection) 단계(40)를 수행한다. 이 단계에서 h_i와 h'_i와 2N 개체 중 N개의 개체가 선택 단계에서 살아 남으며, 살아 남은 새로운 개체가 다음 세대의 부모가 된다. 이러한 선택 과정을 이루기 위해 우선 2N개의 개체에 대해 구한 적합도를 순서대로 늘어놓은 다음 N번째의 적합도를 F_c로 놓는다. 각각의 개체로부터 얻어진 적합도 값 F(h_i)과 F_c의 차이 △F를 계산한다. 파라미터 h_i와 h'_i, 2N개의 개체에 대한 C_i(h_i또는 h'_i)이 다음과 같이 계산된다.Next, the selection step 40 is performed. At this stage, N of the h _i , h ' _i and 2N entities survive the selection phase, and the new surviving entity becomes the parent of the next generation. In order to achieve this selection process, firstly, the fitnesss obtained for 2N objects are arranged in order, and the Nth fitness is set to F _c . The difference ΔF between the goodness-of-fit values F (h _i ) and F _c obtained from each individual is calculated. The parameters h _i and h ' _i , C _i (h _i or h' _i ) for 2N entities are calculated as follows:

여기서, T는 온도를 의미하는 조절 파라미터이며, 그것의 값은 점진적으로 각 이터레이션(Iteration)에서 파라미터를 곱하는 것에 의해 줄어든다. 여기서 n은 이터레이션 횟수를 의미하고, P_stop, P_start는 온도 감쇄 상수를 만들기 위한 끝과 시작에서의 적당한 상수를 나타낸다.Where T is the control parameter, meaning temperature, and its value is gradually parameterized at each iteration Reduced by multiplying Where n is the number of iterations, and P _stop and P _start represent the appropriate constants at the end and start to create the temperature decay constant.

따라서, C_i의 값이 '1'인 최적 파라미터의 수는 최소 N개를 넘게 되고, 다음 세대를 이루는 N개의 파라미터는 랜덤하게 C_i의 값이 '1'인 파라미터 중에서 N개 선택된다.Accordingly, the number of optimal parameters whose value of C _i is '1' exceeds at least N, and the N parameters that make up the next generation are randomly selected from among the parameters whose value of C _i is '1'.

이어서, 종료 테스트(Termination Test) 단계(50)를 수행한다. 이 단계에서 종료 조건을 만족했을 때, 즉 만족하는 해를 얻거나 최대 반복 횟수를 넘었을 경우 위의 절차를 끝내고, 그렇지 않으면 상기 돌연변이 단계(20)로 리턴한다.Subsequently, a termination test step 50 is performed. When the end condition is satisfied at this stage, i.e., if a satisfactory solution is obtained or the maximum number of iterations is exceeded, the above procedure is terminated, otherwise the process returns to the mutation stage 20.

전형적인 EP는 초기화(Initialization), 돌연변이(Mutation), 적합도 계산(Evaluation), 그리고 선택(Selection)의 과정으로 이루어진다. 이 절차는 종료 조건, 즉 충분한 해가 만족되거나 최대 반복 횟수가 지났을 때까지 계속된다. 본 발명에서는 선택(Selection) 단계에서 시뮬레이티드 어닐링을 도입하여 변형된다. 이는 초기에 나쁜 해가 살아 남을 확률을 많이 주다가 점진적으로 그 가능성을 줄여가는 방법이다. 왜냐하면, 초기에 해가 나쁘다고 해서 그 주변 해가 꼭 나쁘다고 할 수 없기 때문이며, 만일 초기에 그 해를 제거하면 그 주변 영역을 테스트해 볼 기회가 점점 줄어들기 때문이다.A typical EP consists of a process of initialization, mutation, fitness, and selection. This procedure continues until the end condition, i.e. sufficient solution is satisfied or the maximum number of iterations has passed. In the present invention, it is modified by introducing simulated annealing in the selection step. This gives you a lot of chances for a bad year to survive and then gradually reduces it. Because the solution is bad at first, and the surrounding solution is not necessarily bad. If you remove the solution at the beginning, the chance of testing the surrounding area becomes less.

상기와 같이 이루어지는 본 발명은 시뮬레이티드 어닐링과 진화 연산 알고리즘의 상호 보완적인 결합을 통해 전역 탐색을 할 수 있고, 이에 따라 최적화점을 쉽게 찾을 수 있는 특유의 효과가 있다.The present invention made as described above can be globally searched through a complementary combination of simulated annealing and evolutionary computation algorithms, and thus has a unique effect of easily finding an optimization point.

Claims (7)

컴퓨팅 시스템에 적용되어 최적화된 다층 박막 광 필터를 설계하기 위한 다층 박막 광 필터 설계 방법에 있어서, 최적화 하고자 하는 파라미터의 초기 집단을 생성하는 초기화 단계(10); 상기 파라미터를 돌연변이 시켜 후 파라미터를 생성하는 돌연변이 단계(20); 원하는 목표 투과도에 따라 메릿 함수를 연산하고, 연산된 메릿 함수에 따라 적합도를 연산하는 적합도 평가 단계(30); 상기 적합도 평가 단계에서 연산된 적합도 중 시뮬레이티드 어닐링에 의해 적자를 선택하는 선택 단계(40); 및 종료 조건을 만족하면 종료하고, 그렇지 않으면 상기 돌연변이 단계로 리턴하는 종료 테스트 단계(50)를 구비하는 것을 특징으로 하는 다층 박막 광 필터 설계 방법.A method for designing a multilayer thin film optical filter for designing an optimized multilayer thin film optical filter applied to a computing system, comprising: an initialization step (10) of generating an initial group of parameters to be optimized; A mutation step 20 of mutating the parameter to produce a later parameter; A fitness evaluation step (30) of calculating a merits function according to a desired target permeability, and calculating a goodness of fit according to the calculated merits function; A selection step (40) of selecting a deficit by simulated annealing among the fitness calculated in the goodness of fit step; And an end test step (50) of terminating if the end condition is satisfied and otherwise returning to the mutation step. 제1항에 있어서, 상기 초기화 단계(10)의 파라미터는 다층 박막 필터의 물리적인 두께, 층의 수, 각 층의 굴절률, 및 이들을 얼마나 돌연변이 시킬 것이가를 결정하는 변수인 것을 특징으로 하는 다층 박막 광 필터 설계 방법.The multilayer thin film according to claim 1, wherein the parameter of the initialization step (10) is a variable that determines the physical thickness of the multilayer thin film filter, the number of layers, the refractive index of each layer, and how much to mutate them. How to design an optical filter. 제2항에 있어서, 상기 돌연변이 단계의 후 파라미터는The method of claim 2, wherein the post-mutation parameter is (여기서, h_ij, h'_ij, σ_ij그리고 σ'_ij는 각각 h_i, h'_i, σ_i그리고 σ'_i벡터의 j 성분; h_i는 다층 박막 필터의 물리적인 두께, 층의 수, 각 층의 굴절률; 벡터 σ_i는 상기 h_i를 얼마나 돌연변이 시킬 것인가를 결정하는 변수; N(0,1)은 '0'의 평균을 갖고 표준편차 '1'을 갖는 가우시안 랜덤 함수; τ, τ'는 전체 파라미터 공통으로 적용되는 스텝 크기와 개별 파라미터별로 작용하는 스텝 크기를 각각 나타냄)에 의해 생성되는 것을 특징으로 하는 다층 박막 광 필터 설계 방법.Where h _ij , h ' _ij , σ _ij and σ' _ij are the j components of the h _i , h ' _i , σ _i and σ' _i vectors respectively; h _i is the physical thickness of the multilayer thin film filter, the number of layers The refractive index of each layer, the vector σ _i is a variable that determines how much h _i is mutated, N (0,1) is a Gaussian random function with an average of '0' and a standard deviation of '1'; τ 'represents a step size applied in common to all parameters and a step size acting for each individual parameter). 제3항에 있어서, 상기 적합도 평가 단계의 메릿 함수는 오차 자승으로The method of claim 3, wherein the Merrit function of the fitness evaluation step is an error square (여기서,는 원하는 목표 투과도와 파라미터 h_i에 대한 투과도; s는 주파수에 대한 인덱스를 각각 나타냄) 와 같이 정의되는 것을 특징으로 하는 다층 박막 광 필터 설계 방법.(here, Is the desired target transmittance and transmittance for the parameter h _i ; s each represents an index with respect to frequency). 제4항에 있어서, 상기 적합도는 상기 메릿 함수 연산식을 이용하여 파라미터 h_i와 h'_i에 대한 메릿 함수를 게산하는 단계;를 이용하여 적합도(F(h_i))를 계산하는 단계를 포함하는 것을 특징으로 하는 다층 박막 광 필터 설계 방법.The method of claim 4, wherein the goodness of fit is a Merrit function for the parameters h _i and h ' _i using the Merrit function formula Estimating; Computing a goodness of fit (F (h _i )) using a multi-layer thin film optical filter design method comprising the. 제5항에 있어서, 상기 선택 단계(40)는 다수개(2N)의 개체에 대해 구한 적합도를 순서대로 늘어놓은 다음 N번째의 적합도를 F_c로 정의하는 단계; 각각의 개체로부터 얻어진 적합도 값 F(h_i)과 상기 F_c의 차이, △F를 계산하는 단계; 파라미터 h_i와 h'_i, 2N개의 개체에 대한 C_i(h_i또는 h'_i)을 다음 식을 이용하여 계산하는 단계;6. The method of claim 5, wherein the selecting step (40) comprises: arranging the fitnesss obtained for the plurality of objects (2N) in order and then defining the Nth fitness as F _c ; Calculating the difference between the goodness-of-fit values F (h _i ) and F _c obtained from each individual, ΔF; Calculating C _i (h _i or h ' _i ) for the parameters h _i and h ′ _i , 2N entities using the following equation; (여기서, T는 온도를 의미하는 조절 파라미터, n은 이터레이션 횟수, P_stop, P_start는 온도 감쇄 상수를 만들기 위한 끝과 시작에서의 적당한 상수를 각각 나타냄)를 포함하는 것을 특징으로 하는 다층 박막 광 필터 설계 방법.(Wherein T is a control parameter meaning temperature, n is the number of iterations, P _stop , P _start represent appropriate constants at the end and the start to create a temperature decay constant, respectively). How to design an optical filter. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 종료 조건은 만족하는 해를 얻거나 최대 반복 횟수를 넘어야 하는 것을 특징으로 하는 다층 박막 광 필터 설계 방법.7. The method of any one of claims 1 to 6, wherein the termination condition must obtain a satisfactory solution or exceed a maximum number of iterations.