算法步骤¶
初始化¶
关于初始温度，初温越大，获得高质量解的机率越大，但花费较多的计算时间。温度越高对于劣解的接受能力越大（搜索范围越大），下降速度越慢（求解速度下降）。
关于初始解如何设定一般有以下方法：
（1）按照某一概率分布抽样一组$K$个解，以$K$个解的目标值的方差为初温（下面使用的时正态分布）。
（2）随机产生一组$K$个状态，确定两两状态间的最大目标差值，根据差值，利用一定的函数确定初温。
（3）利用经验公式。
产生新解¶
为便于后续的计算和接受，减少算法耗时，通常选择由当前新解经过简单地变换即可产生新解的方法，如对构成新解的全部或部分元素进行置换、互换等，注意到产生新解的变换方法决定了当前新解的邻域结构，因而对冷却进度表的选取有一定的影响。
计算目标函数差¶
因为目标函数差仅由变换部分产生，所以目标函数差的计算最好按增量计算。事实表明，对大多数应用而言，这是计算目标函数差的最快方法。
判断新解是否被接受¶
判断的依据是一个接受准则，最常用的接受准则是 Metropolis 准则
当新解被确定接受时，用新解代替当前解¶
当新解被确定接受时，用新解代替当前解，这只需将当前解中对应于产生新解时的变换部分予以实现，同时修正目标函数值即可。此时，当前解实现了一次迭代。可在此基础上开始下一轮试验。而当新解被判定为舍弃时，则在原当前解的基础上继续下一轮试验。