Simuloitu hehkutus on tietokonetekniikka, joka voi löytää hyviä – vaikkakaan ei välttämättä optimaalisia – ratkaisuja ongelmaan. Se on niin nimetty, koska se jäljittelee metallurgista hehkutusprosessia. Metalleissa hehkutus on puhdistusprosessi kuumentamalla metallia ja jäähdyttämällä sitä sitten hitaasti. Tietokoneohjelma “puhdistaa” ratkaisutilan, kunnes jäljellä on vain parhaita tai lähes parhaita ratkaisuja.
Simuloidun hehkutusohjelman käyttäjän on määriteltävä kaksi kriittistä tekijää: aloituslämpötila tai huonompiratkaisujen prosenttiosuus, joita voidaan tutkia; ja jäähdytysnopeus, joka on nopeus, jolla tämä prosenttiosuus pienenee. Alhainen käynnistyslämpötila päättyy usein tulokseen, joka on kaukana optimista. Erittäin korkeassa lämpötilassa aloittaminen voi johtaa siihen, että etsintä kestää paljon kauemmin kuin on tarpeen. Samoin liian suuri jäähdytysnopeus tuottaa huonoja tuloksia, kun taas hyvin alhainen jäähdytysnopeus johtaa ohjelmaan, joka toimii hyvin pitkään.
Simuloidun hehkutusohjelman “korkean lämpötilan” tila on asetus, jonka avulla se voi tarkastella monenlaisia ratkaisuja, mukaan lukien monia, jotka ovat huonompia kuin jo löytämät ratkaisut. Tietokone saa tarkastella monia ratkaisuja, jotka ovat huonompia kuin nykyinen ratkaisu, jotta vältytään pitämästä paikallisella minimillä, joka on huomattavasti huonompi kuin paras. Esimerkkinä voidaan kuvitella aloittavamme kukkulan tai vuoren huipulta tavoitteena päästä perustaan. Matkan varrella voi olla kouruja tai kuiluja. Jos tietokone ei pysty nousemaan riittävän pitkälle päästäkseen ulos, se jumittuu, vaikka se ei ole lähelläkään tukikohtaa.
Kuinka pitkälle mäki ylöspäin ohjelma voi mennä, määräytyy niiden huonompiratkaisujen prosenttiosuuden perusteella, joita ohjelma saa tutkia. Ajan myötä löydetään asteittain parempia ratkaisuja ja syvän kuilun riski pienenee, joten huonompien ratkaisujen prosenttiosuus, jota tietokone voi tutkia, pienenee. Tämän osan pienentämisestä käytetään nimitystä “jäähdytys”. Kun lämpötila saavuttaa esiasetetun murto-osan-jonka ei tarvitse olla 0-haku päättyy.
Syy simuloidun hehkutuksen tai muiden tekoälyhakutekniikoiden käyttämiseen on lyhentää hallittavissa oleva aika lähes optimaalisen ratkaisun löytämiseen. Monien ongelmien osalta kattava etsintä – jokaisen mahdollisen ratkaisun testaaminen keskenään mahdollista ratkaisua vastaan - voi kestää kuukausia tai vuosia. Tunnetuin vaihtoehto simuloidulle hehkutukselle on geneettiset algoritmit. Muita suosittuja tekoälyn hakualgoritmeja ovat muurahaispesäkkeiden optimointi, hiukkasparvien optimointi, lähin naapuri ja Bayesin luokittelijat.