El Algoritmo de Optimización del Chimpance (ChOA) es un algoritmo heurístico propuesto en años recientes. Modela el comportamiento de caza cooperativa de poblaciones de chimpancés en la naturaleza y puede ser utilizado para resolver problemas de optimización numérica y de ingeniería práctica. ChOA tiene problemas de velocidad de convergencia lenta y caída fácil en un óptimo local. Para resolver estos problemas, este artículo propone un nuevo algoritmo de optimización del chimpance con aprendizaje de refracción (RL-ChOA). En RL-ChOA, se utiliza el mapa caótico de Tienda para inicializar la población, lo que mejora la diversidad de la población y acelera la velocidad de convergencia del algoritmo. Además, se introduce una estrategia de aprendizaje de refracción basada en el principio físico de refracción de la luz en ChOA, que es esencialmente un Aprendizaje Basado en la Oposición, ayudando a la población a salir del óptimo local. Utilizando 23 funciones de prueba de referencia ampliamente utilizadas y dos problemas de optimización de diseño de ingeniería se demostró que RL-ChOA tiene un buen rendimiento de optimización, una velocidad de convergencia rápida y un rendimiento de optimización de aplicación de ingeniería satisfactorio.