Simulirano žarjenje je računalniška tehnika, ki lahko najde dobre – čeprav ne nujno optimalne – rešitve problema. Tako je poimenovana, ker posnema metalurški postopek žarjenja. Pri kovinah je žarjenje proces čiščenja s segrevanjem kovine in nato počasnim ohlajanjem. Računalniški program »prečisti« prostor rešitev, dokler ne ostanejo le rešitve, ki so najboljše ali skoraj najboljše.
Uporabnik simuliranega programa žarjenja mora določiti dva kritična dejavnika: začetno temperaturo ali odstotek slabših rešitev, ki jih je mogoče raziskati; in hitrost hlajenja, ki je stopnja, s katero se ta odstotek zmanjša. Nizka začetna temperatura se pogosto konča z rezultatom, ki je daleč od optimalnega. Začetek pri zelo visoki temperaturi lahko povzroči, da iskanje traja veliko več časa, kot je potrebno. Podobno bo previsoka stopnja hlajenja ustvarila slabe rezultate, medtem ko bo zelo nizka stopnja hlajenja povzročila program, ki deluje zelo dolgo.
Stanje »visoke temperature« za simulirani program žarjenja je nastavitev, ki mu omogoča ogled širokega nabora rešitev, vključno z mnogimi, ki so slabše od rešitev, ki jih je že našel. Računalniku je dovoljeno pogledati številne rešitve, ki so slabše od trenutne rešitve, da bi se izognili držanju lokalnega minimuma, ki je bistveno slabši od najboljšega. Kot primer si lahko predstavljamo začetek na vrhu hriba ali gore s ciljem doseči vznožje. Na poti so lahko žlebovi ali prepadi. Če računalnik ne more iti dovolj navkreber, da bi lahko prišel ven, se bo zataknil, čeprav ni nikjer blizu podnožja.
Kako daleč lahko gre program navzgor, je odvisno od odstotka slabših rešitev, ki jih program lahko preuči. Sčasoma se najdejo vse boljše rešitve in tveganje za globok prepad se zmanjšuje, zato se odstotek slabših rešitev, ki jih računalnik lahko razišče, zmanjša. Zmanjšanje tega deleža se imenuje “hlajenje”. Ko temperatura doseže vnaprej nastavljeni delež – ki ni nujno 0 – se iskanje konča.
Razlog za uporabo simuliranega žarjenja ali drugih tehnik iskanja umetne inteligence je zmanjšanje časa, potrebnega za iskanje skoraj optimalne rešitve, na obvladljivo količino. Za številne težave lahko izčrpno iskanje – preizkušanje vsake možne rešitve proti možni rešitvi – traja mesece ali leta. Najbolj znana alternativa simuliranemu žarjenju so genetski algoritmi. Drugi priljubljeni iskalni algoritmi umetne inteligence vključujejo optimizacijo kolonij mravelj, optimizacijo rojev delcev, najbližjega soseda in Bayesove klasifikatorje.