Lihat sumber Mutasi dan Crossover pada Komputasi Evolusioner

Mutasi dan crossover adalah dua operator utama dalam komputasi evolusioner yang bertugas memperkenalkan keragaman dan menggabungkan informasi antar solusi. Keduanya sangat penting untuk menghindari jebakan pada solusi lokal dan memastikan eksplorasi ruang solusi yang efektif.

== Mutasi ==
Mutasi adalah proses mengubah sebagian kecil dari representasi solusi secara acak. Dalam [[algoritma genetika]], ini berarti membalik nilai bit pada kromosom, sedangkan pada [[pemrograman genetik]] dapat berarti mengganti node pada pohon program.

== Crossover ==
Crossover, atau rekombinasi, menggabungkan dua atau lebih individu (parent) untuk menghasilkan individu baru (offspring) dengan karakteristik gabungan. Metode crossover bervariasi tergantung pada struktur data yang digunakan.

== Peran dalam Evolusi Komputasi ==
Kombinasi mutasi dan crossover memungkinkan algoritma evolusioner menjelajahi berbagai solusi dan meningkatkan kemungkinan menemukan solusi optimal dalam [[optimasi]].