在求解优化问题时，模拟退火迭代地重复如下过程：首先根据当前解产生一个新解。然后计算接受新解的概率，一般采用的接受准则是Metropolis准则：如果新解比当前解要好则接受概率为1，即一定接受；如果新解比当前解要差则并非完全不接受，而是以一定的概率接受，此概率随新解与当前解目标函数值差距的增大而减小，随算法运行时间的增大而减小。由于模拟退火有一定的概率接受差解，因而相比于贪心算法如爬山法等，其更容易跳出局部最优解，从而找到全局最优解的一个较好近似。模拟退火已广泛应用于超大规模集成电路的设计、神经网络的训练以及旅行商、背包等各种组合优化问题的求解。