中，父母的染色体交叉后产生后代个体的染色体雏形，这个雏形在成长过程中会发生基因的变异，正是这种变异使得下一代的群体中会出现各种特征的个体.另外，生物界中并非每个基因都会变异，模拟此现象，引入变异因子pm，使用方法与交叉因子类似。
其基本流程如下：
　　while(all frequentpoint)
　　　{
if(flip(pm))　mutate(frequentpoint)；}
4.      工程上需要注意的问题
4．1 初始候选种群
由于遗传算法和其它启发式算法一样，不对全部解空间进行穷举搜索，因此初始的候选解群体的选择会对得到最终解的速度和质量有影响。初始的候选解群体在解空间内分布得越均匀，它们拥有的遗传基因就越有代表性。实践中采用文献[7]的GECP得到以各个顶点为主顶点的可行解作为初始候选种群。
4．2  编码方案
编码就是用一种数字排列方案来表示问题的解的方法，利用编码将问题的解空间映射到GA算法的编码空间。编码方案的选择依赖于问题的性质，并影响到算法内操作的设计，是影响算法性能的重要因素。常见的编码方案有二进制编码、十进制编码、实数编码等。频率分配问题适合采用十进制编码方案，每个码表示一条通信链路，码值表示分配的信道编号。
4．3  适配值函数
适配值函数对个体（频率分配方案）进行评价，也是优化过程发展的依据。可以采用如下方式来计算适应度：　
fitness=1000 / Σ (pri×seperate(Freq))。
其中：
pri 是节点的加权值；
函数seperate(Freq)是节点中各条链路发频率同其它链路的收频率间隔的和；

 

参考文献：
[1]  Robert A.Murphey, Panos M. Pardalos etc, Frequency Assignment Problems, Handbook of combinatorial optimization, Kluwer Academic Publishers,1999
[2]  Vittorio M., Antonella C., An ANTS Heuristic for the Frequency Assignment Problem,
[3]  Joe Bater, Peter Jeavons, David Cohen, Are there optimal reuse distance constraints for FAPs with random Tx placement?, CSD-TR-98-01, CS Royal Holloway Uni. Of London,1998
[4]  K.I Aardal, C.A.J. Hurkens, J.K. etc. Algorithms for Freequency Assignment Problems,CWI Quarterly,Vol9(1&2) ,1996
[5]  王凌：  《智能优化算法及其应用》清华大学出版社 2001
[6]  陈国良等：《遗传算法及其应用》人民邮电出版社 1996
[7]  孙俊柏：禁用频点、频段下野战通信网的频率分配  中国科学技术大学硕士学位论文 1998
[8]  王晓东：《计算机算法设计与分析》 电子工业出版社  2001
[9]  高建文，李单镝：  通信网频率分配算法设计  无线电通信技术 Vol25（5）1999