常见的退火方法包括以下几种：

1. 随机退火（Simulated Annealing）：随机退火是一种基于物理退火原理的全局优化算法。

它通过模拟固体材料退火过程中的温度变化，逐步降低搜索空间中的概率，以在搜索过程中跳出局部最优解，寻找全局最优解。

2. 模拟退火（Simulated Annealing）：模拟退火算法也是一种全局优化算法，类似于随机退火。它通过接受概率性的恶化移动，避免陷入局部最优解。模拟退火的特点是在搜索过程中逐渐减小接受恶化解的概率。

3. 遗传算法（Genetic Algorithm）：遗传算法是基于自然界进化原理的优化算法。它通过模拟遗传过程中的选择、交叉和变异来搜索最优解。遗传算法适用于多模态、多峰值的优化问题，并且具有较好的全局搜索能力。

4. 禁忌搜索（Tabu Search）：禁忌搜索是一种局部搜索算法，通过记录已经搜索过的解，并设置一定的禁忌条件来避免回退到之前搜索过的解。禁忌搜索可以有效地跳出局部最优解，并找到全局最优解。

5. 遗传模拟退火（Genetic Simulated Annealing）：遗传模拟退火算法是遗传算法和模拟退火算法的结合。它将遗传算法的选择、交叉和变异操作与模拟退火的随机搜索和退火策略相结合，以提高搜索性能。

6. 免疫算法（Immune Algorithm）：免疫算法是受到免疫系统的启发而发展起来的优化算法。它通过对问题进行编码，模拟抗体的生成和选择机制，并应用进化操作来进行搜索。这些退火方法在求解优化问题时具有一定的优势和适应性，选择合适的退火方法取决于具体问题的性质和要求。

1、不完全退火不完全退火是将铁碳合金加热到Ac1-Ac3之间温度，达到不完全奥氏体化，随之缓慢冷却的退火工艺。不完全退火主要适用于中、高碳钢和低合金钢锻轧件等，其目的是细化组织和降低硬度，加热温度为Ac1+(40-60)℃，保温后缓慢冷却。

2、球化退火只应用于钢的一种退火方法。将钢加热到稍低于或稍高于Ac1的温度或者使温度在A1上下周期变化，然后缓冷下来。目的在于使珠光体内的片状渗碳体以及先共析渗碳体都变为球粒状，均匀分布于铁素体基体中(这种组织称为球化珠光体)。具有这种组织的中碳钢和高碳钢硬度低、被切削性好、冷形变能力大。对工具钢来说，这种组织是淬火前最好的原始组织。

3、去应力式退火去应力退火是将工件加热到Ac1以下的适当温度（非合金钢在500~600℃），保温后随炉冷却的热处理工艺称为去应力退火。去应力加热温度低，在退火过程中无组织转变，主要适用于毛坯件及经过切削加工的零件，目的是为了消除毛坯和零件中的残余应力，稳定工件尺寸及形状，减少零件在切削加工和使用过程中的形变和裂纹倾向。

临界温度（Ac1或Ac3）以上的相变重结晶退火：完全退火、扩散退火、不完全退火、球化退火。

临界温度（Ac1或Ac3）以下的退火：再结晶退火、去应力退火。

常用的退火方法有两种：模拟退火和量子退火。模拟退火是一种基于概率的全局优化算法，通过在整个搜索空间内跳过障碍来寻找最优解，常用于解决函数最大化或最小化问题。量子退火则是一种基于量子力学的全局优化算法，通过量子迭代算法寻找最优解，常用于解决NP难的组合优化问题。除了以上两种方法，还有一些改进的退火算法，如并行退火、异质退火等等。这些方法都是为了提高退火算法的效率和准确性，适应更广泛的应用。