正交试验设计和一般的优化算法在解决的问题类型、搜索方式、搜索效率以及优化目标等方面存在一些区别。
解决问题类型：正交试验设计主要用于解决多因素多水平的优化问题，特别是当因素之间存在交互作用时，它可以有效地找出最优解。而一般的优化算法（如粒子群算法，遗传算法，模拟退火算法等）则主要用于解决单目标或多目标的优化问题，通过迭代搜索寻找最优解。
搜索方式：正交试验设计采用正交表的方式进行试验设计，通过分析试验结果找出最优解。这是一种基于试验的设计方法，强调实践和观察。而一般的优化算法则是基于数学模型和迭代搜索的算法，通过不断迭代寻找最优解。
搜索效率：正交试验设计的搜索效率相对较高，因为它在设计时已经考虑到了因素之间的交互作用，可以减少不必要的试验次数。而一般的优化算法则需要通过多次迭代来寻找最优解，搜索效率相对较低。
优化目标：正交试验设计主要是为了找到最优解，即找到使得目标函数达到最优的因素水平组合。而一般的优化算法则可以解决更为广泛的问题，包括最小化、最大化或约束满足等问题，其优化目标更为多样化。
总的来说，正交试验设计和一般的优化算法在解决的问题类型、搜索方式、搜索效率和优化目标等方面存在明显的差异，需要根据具体问题选择合适的算法或方法。