针对简单人类学习优化（SHLO）算法寻优精度低和收敛慢的问题，提出了一种融合学习心理学的人类学习优化算法（LPHLO）。首先，结合学习心理学中的小组学习（TBL）理论引入TBL算子，从而在个体经验、社会经验的基础上，增加了小组经验来对个体学习状态进行控制，避免算法早熟收敛；然后，结合记忆编码理论提出了动态调参策略，从而实现个体信息、社会信息、团队信息的有效融合，更好地平衡了算法局部探索和全局开发的能力。选取典型的组合优化难题——背包问题中的两种算例，即单约束背包问题、多约束背包问题进行仿真实验，实验结果表明，所提LPHLO与基本的SHLO算法、遗传算法（GA）和二进制粒子群优化（BPSO）算法等算法相比，在寻优精度和收敛速度方面更具优势，具有更好的解决实际问题的能力。
