Simüle edilmiş tavlama, iyi bulabilen bir bilgisayar tekniğidir - mutlaka optimum olmasa da - bir probleme çözümler. İsimlendirilir çünkü metalurjik tavlama prosesini taklit eder. Metallerde tavlama, metalin ısıtılması ve sonra yavaş yavaş soğutulması yoluyla saflaştırma işlemidir. Bilgisayar programı, kalan alanı en iyi ya da neredeyse en iyi çözümler olana kadar çözüm alanını "temizler".
Simüle edilmiş bir tavlama programı kullanıcısının belirlemesi gereken iki kritik faktör vardır: başlangıç sıcaklığı veya keşfedilebilecek daha kötü çözümlerin yüzdesi; ve bu yüzdesinin azaltıldığı oran olan soğutma oranı. Düşük bir başlangıç sıcaklığı genellikle, sonuçtan optimum sonuçtan uzak bir şekilde alınacaktır. Çok yüksek bir sıcaklıkta başlatmak, aramanın gereğinden fazla zaman almasına neden olabilir. Benzer şekilde, çok yüksek bir soğutma hızı kötü sonuçlar doğururken, çok düşük bir soğutma hızı çok uzun bir süre boyunca çalışan bir programla sonuçlanacaktır.
Simüle edilmiş tavlama programı için "yüksek sıcaklık" durumu, halihazırda bulduğu çözümlerden daha kötüsü de dahil olmak üzere, geniş bir çözüm yelpazesine bakmasını sağlayan bir ayardır. Bilgisayarın, esasen en iyisinden daha kötü olan yerel bir asgariye yapışmaması için mevcut çözümden daha kötü olan birçok çözüme bakmasına izin verilir. Örnek olarak, kişi tepeye ulaşmak amacıyla bir tepenin ya da dağın tepesinden başladığını düşünebilir. Yol boyunca gullies veya chasms olabilir. Bilgisayar çıkacak kadar yokuş yukarı gidemezse, tabana yakın bir yer olmasa da takılıp kalır.
Programın ne kadar ileri gidebileceği, programın incelemesine izin verilen en kötü çözümlerin yüzdesi ile belirlenir. Zaman geçtikçe, giderek daha iyi çözümler bulunur ve derin bir uçurum riski azalır, böylece bilgisayarın keşfedebileceği daha kötü çözümlerin yüzdesi azalır. Bu fraksiyonun azaltılması "soğutma" olarak adlandırılır. Sıcaklık önceden belirlenmiş bir fraksiyona ulaştığında - ki 0 olması gerekmez - arama sona erer.
Simüle edilmiş tavlama veya diğer yapay zeka araştırma tekniklerini kullanmanın nedeni, en uygun çözümü bulmak için gereken süreyi yönetilebilir bir miktara düşürmektir. Pek çok problem için, kapsamlı bir arama - olası her bir çözümün olası her bir çözüme karşı testi - aylar veya yıllar sürebilir. Simüle edilmiş tavlamaya en çok bilinen alternatif genetik algoritmalardır. Diğer popüler yapay zeka arama algoritmaları arasında karınca kolonisi optimizasyonu, parçacık sürüsü optimizasyonu, en yakın komşu ve Bayesian sınıflandırıcıları bulunur.
