以最少的技术，最直观的方式：模拟退火可以被认为是爬山（或山下降）的修改。Hill Climbing/Descent 通过检查其当前状态是否在其附近具有最佳成本/分数来尝试达到最佳值，这使其容易陷入局部最优。

模拟退火试图通过每隔一段时间选择一个“坏”动作来克服这个问题。随着时间的推移，选择“坏”移动的概率会降低，最终，模拟退火变为爬山/下降。

如果配置正确，并且在某些条件下，模拟退火可以保证找到全局最优值，而如果搜索空间中的所有局部最优值具有相同的分数/成本，则爬山/下降可以使用这种保证。

有关更多信息，请在此处查看Wolfram Mathworld 的条目。