变异(Mutation) 交叉(Crossover) 选择(Selection) 遗传操作 算法的基本思想是从某一随机产生的初始群体开始，利用从种群中随机选取的两个个体的差向量作为第三个个体的随机变化源，将差向量加权后按照一定的规则与第三个个体求和而产生变异个体，该操作称为变异。然后，变异个体与某个预先决定的目标个体进行参数混合，生成试验个体，这一过程称之为交叉。如果试验个体的适应度值优于目标个体的适应度值，则在下一代中试验个体取代目标个体，否则目标个体仍保存下来，该操作称为选择 *

此论文 Widespread redundancy in-omics profiles of cancer mutation state，ppt 动态讲解

mutpy：MutPy是用于Python 3.x源代码的突变测试工具

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：神经网络遗传算法函数极值寻优_BP_Mutation_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

mutmut：变异测试系统

EGFR mutation lung cancer

概述 这是一个示例 R 脚本，其中包含一个用于绘制体细胞突变特征图的函数。 要使用该代码，需要生成一个名为“Somatic_mutation_type”的列，其中包含观察到的体细胞突变的信息以及“A[A>G]C”格式的相邻核苷酸上下文 使用代码生成的示例图像如下所示

matlab代码粒子群算法基于突变的GPS和PSOGSA的MATLAB代码 执行功能优化的代码。 这是题为“用于工程设计问题的引力搜索和粒子群优化方法的模糊突变嵌入式混合动力”的论文代码。 给出的代码是针对两种算法的： 基于变异的GPS（MGPS） 基于突变的PSOGSA（MPSOGSA） 参数 必须在main.m文件中为MPSOGSA和MGPS设置以下参数 num-每个函数的运行次数 functionCount-您要执行的功能数 对于MGPS，您还可以设置yolu rho和phi-用于设置模糊隶属函数参数的值 为MGPS和MPSOGSA设置的参数 n-人口规模 iter-要执行的迭代 注意：要优化工程问题，必须更改代码，用engg取消注释所有函数调用，并注释不带engg的函数 运行代码 在上面指定的文件中设置所有必需的参数 运行文件main.m 链接以获取算法详细信息： 抽象的： 引力搜索算法（GSA）和粒子群优化（PSO）分别是自然启发式，基于群的优化算法。 尽管它们从一开始就已被广泛用于单目标优化，但是它们会过早收敛。 即使GSA和PSO的混合性能好得多，问题仍然存在。 因此，为

pop_mutation.m

edu.ncsu.muclipse_1.3.0.jar变异体生成工具，官网的挂了