中文说明： 粒子群优化（PSO）依靠其学习策略指导其搜索方向。传统上，每个粒子利用其历史最好的体验，并通过线性 叠加及其邻近地区的最佳体验。这种学习策略是容易使用的，但在复杂的问题空间搜索时是低效的。因此，在 设计学习策略，可以利用以前的搜索信息（经验）更有效地已成为最突出和活跃的粒子群算法研究课题之一。 在本文中，我们提出了一种正交学习（OL）策略PSO地发现，就在于通过正交实验设计上面两个经验更多有用 的信息。我们称这个PSO正交学习粒子群优化（OLPSO）
English Description：
Particle swarm optimization (PSO) relies on its learning strategy to guide its search direction. Traditionally, each particle takes advantage of the best experience of its history and passes through the linear