EO是由控制体积质量平衡启发来估计动态和平衡状态的。在EO中，搜索agent随机更新它们的浓度(Position)，以最终达到平衡态作为最优结果。
以单峰、多峰、混合、组合等58个数学函数和3个工程基准问题为例验证了EO算法的性能，并将其性能与3类优化方法进行了比较;GA和PSO是研究最深入的元启发式算法，ggo、GSA和SSA是最近开发的算法，CMA-ES、SHADE和LSHADE-SPACMA是高性能优化器。综合统计分析表明，EO的性能显著优于PSO、GA、go、GSA、SSA和CMA-ES，而其性能在统计上与SHADE和LSHADE-SPACMA相似。
主要论文:A. Faramarzi, M. Heidarinejad, B. Stephens, S. Mirjalili，均衡优化器:一种新的优化算法，基于知识的系统。DOI:https://doi.org/10.1016/j.knosys.2019.105190．
EO的源代码也可在GitHub:https://github.com/afshinfaramarzi/Equilibrium-Optimizer
如果你没有拿到论文，请在afaramar@hawk.iit.edu或afshin.faramarzi@gmail.com给我留言，我会把论文发给你。
