Die Simulation von Mutationen beschränkt sich im Allgemeinen auf die Mutation von Fortpflanzungszellen. Es gibt generell zwei Arten von Mutationen: die Basen- oder auch Punktmutation und die Phänotypmutation. Bei der Basenmutation wird das Kindgenom nach seiner Generierung - z.B. durch Crossover - einer Mutationsphase unterzogen, in der jede Base des Genoms eine bestimmte Mutationswahrscheinlichkeit hat. Dies ist die ``natürliche'' Mutation. Die Phänotypmutation arbeitet etwas anders und wird vorzugsweise bei Evolutionsstrategien verwendet: ein Gen wird als Phänotyp dekodiert und dann über eine Wahrscheinlichkeitsfunktion - typischerweise eine Gauss'sche Glockenkurve - mutiert. Dabei sind kleine Änderungen sehr, größere Änderungen wegen des zu beiden Seiten abnehmenden Charakters einer Glockenkurve weniger wahrscheinlich. Nach der Mutation wird der Phänotyp als Gen kodiert in das Genom zurückgeschrieben.
Mutation gibt jedem Punkt im Suchraum3.13eine Wahrscheinlichkeit die größer Null ist, evaluiert zu werden. Wie Crossover hat auch die Mutation sowohl destruktive als auch konstruktive Effekte auf eine Population. Die Mutationswahrscheinlichkeit sollte allerdings nicht zu hoch gesetzt werden, da sonst der Genetische Algorithmus in eine Zufallssuche abgleitet [31]. Goldberg und Segrest (1987) zeigten, dass höhere Mutationsraten in einem GA zu längeren Konvergenzzeiten führen und die Takeover-Zeit bei steigender Mutationsrate von einer zur Populationsgröße linearen Funktion zu einer exponentiellen wächst [39].
Das Problem der Mutationsrate lässt sich somit auf die Frage reduzieren, wie das Gleichgewicht zwischen der Zerstörung nützlicher Information und der Nutzung des Mutationsoperators als Suchoperator hergestellt werden soll.