堆优化器(Heap-Based Optimizer, HBO) 是由Qamar Askari等人于2020年提出的，该作者还提出了政治优化器(Political Optimizer, PO)。
在一个组织中，一群人为了一个共同的目标而工作，除非他们把自己组织在一个叫做公司等级制度(CRH) 的等级制度中，否则他们可能无法实现他们的目标。这一原理促使作者映射CRH的概念，提出一种新的优化算法（即堆优化器），该算法根据搜索个体的适合度在逻辑上排列成一个层次结构。上层通常代表高管和董事会成员，中层代表经理和主管，下层代表工人。
上一级的人被认为是下一级的人的主管/上级，同级的人被认为是同事/同事，下级的人服从上级。决策权在集中式的组织结构中保持在较高的级别，个人通过努力、与同事合作和对直接上司作出反应来完成一项工作。

HBO将CRH思想映射分为四个步骤：

1. 对公司等级制度(CRH)进行建模；
2. 对下属与直属上司之间的互动进行数学建模；
3. 对同事之间的互动进行数学建模；
4. 雇员为完成某项任务而作出的贡献。

选择用堆数据结构建模CRH，整个CRH被认为是群体。根据定义，堆是一个非线性树形数据结构，具有以下两个属性：

1. Heap是一个完整的树。如果树的每一层(可能除了最后一层)都被填满，并且最后一层中的所有节点都尽可能向左，则树称为完整树。
2. 在最小堆情况下，每个父节点的键都小于或等于其子节点的键；在最大堆情况下，每个父节点的键都大于或等于其子节点的键。

在一个集中的组织结构中，规则和政策由上层实施，下属服从直接上司。这种行为可以通过参考父节点B更新每个搜索代理${\vec{x}}_i$的位置来建模，使用以下公式：



其中，随着迭代过程，$\gamma$从2线性减少到0，在达到0后，它开始随着迭代增加回到2。参数C决定了$\gamma$将在$T$次迭代中完成多少循环。
通过大量测试，C定义为：

级别相同的职员被认为是同事。在堆中，我们假设同一层的节点是同事节点，每个搜索代理${\vec{x}}_i$根据其随机选择的同事${\vec{S}}_r$更新其位置，公式如下:

保持位置不变：

HBO根据p1、p2和p3进行位置更新公式的选择：

：

伪代码包括三部分，算法1是在堆中向上搜索，并将节点i插入到其正确位置，以维护堆属性。算法2为建堆过程，算法3是HBO主体。

与现在大部分算法相比，结构非常简单，涉及公式也容易理解，只是“堆”这个概念非专业的不好懂，还有建堆过程，需要仔细看。
算法改进方面，有很多方式，比较灵活。

【1】Askari, Qamar, et al. “Heap-Based Optimizer Inspired by Corporate Rank Hierarchy for Global Optimization.” Expert Systems with Applications, vol. 161, Elsevier BV, Dec. 2020, p. 113702, doi:10.1016/j.eswa.2020.113702.

• 关于 HBO 代码下载，参考 Code
• 关于 HBO 论文网站，参考 Paper