先搜索到B点，并最为一个最优的解，然后继续搜索更高的点，会搜索到C点，由于此时的解是不优于B点的，因此此时模拟退火以一个概率dE来判断自己是否该接受C点作为自己的解，而dE这个概率会随着时间的退役慢慢降低，也就是在最开始的时候，有极大的概率接受C点。同理也有一定的概率接受D点，之后会搜索到E点，也就是全局最优解。
模拟退火算法[13]相比较于爬山算法，引入了一个参数dE来使得我们有一定的概率来接受一个当前更差的解，所以也就有机会跳出局部最优，达到一个全局最优。
模拟退火算法的详细描述（状态Y的评价函数值我们用J(Y)）：
若J(Y(i+1)) >= J(Y(i)) （移动后得到更优解，则总是接受该移动。)
若J(Y(i+1))  <  J(Y(i)) （移动后的解较差， 以一定的概率接受该移动）
这里的接受更差解的概率的计算参考了金属冶炼的退火过程（模拟退火名字的来源）。根据热力学的原理，在温度为T时，出现的能量差为dE的降温的概率为
P(dE) = exp( dE/(kT) )
K是一个常数，exp表示自然指数，且dE<0。公式的实质是：温度越高，则出现能量差为dE的降温的概率就越大；当温度降低时，则降温的概率就变小。又因为dE<0恒成立，因此dE/kT < 0 ，所以P(dE)∈(0,1)，并且随着温度T的降低，P(dE)会逐渐降低。 虚拟机在线迁移管理系统之自主迁移调度方法设计与实现(4):http://www.youerw.com/jisuanji/lunwen_11985.html