差分进化算法简单高效，然而在求解大规模优化问题时，其求解性能迅速降低。针对该问题，提出一种正交反向差分进化算法。首先，该算法利用正交交叉算子，加强了算法的局部搜索能力。其次，为防止过强的局部搜索使算法陷入早熟收敛，利用反向学习策略调节种群多样性，从而有效地平衡算法的全局和局部搜索能力。利用11个标准测试函数进行实验，并和差分进化算法的四种优秀改进版本进行比较，实验结果表明提出的算法求解精度高、收敛速率快，是一种求解大规模优化问题的有效算法。