对于遗传编程的研究，我想在 llvm 的基础上实现一个进化系统并应用代码突变（可能在 IR 级别）。
我发现llvm-mutate执行点突变非常有用。据我了解，指令被计数/编号，然后可以例如删除编号指令。
然而，作为代码中可用的语句之一，引入新指令似乎是可能的。然而，真正的突变将允许插入任何允许的 IR 指令，而不管它是否在要突变的代码中使用。此外，应该可以插入链接库的库函数调用（当前代码中未使用，但可能可用，因为该库已在 clang 中链接）。
我是否在 llvm-mutate 中忽略了这一点，或者到目前为止真的不可能吗？
是否有任何项目试图/已经为 llvm 实施（ed）这种突变？
llvm 有许多代码分析工具，它们应该允许实现上述方法。llvm 很大，所以我有点迷失方向。任何提示哪些工具可能会有所帮助（例如获取可用库函数的列表等）？
谢谢亚历克斯
非常有趣的问题。一段时间以来，我一直对进行二进制级遗传编程的可能性很感兴趣。关于你问的：
从他们的文档中可以明显看出，LLVM-mutate 无法满足您的要求。但是，我认为不这样做是明智的。我的理由是，任何机器语言基因程序都不可避免地会面临“停机问题”，例如，不可能知道随机生成的指令是否会完全使整个计算机崩溃（例如，通过为操作系统保留的值分配一个值）指针），否则它可能会永远运行并占用所有 CPU 周期。图灵定理告诉我们，不可能提前知道给定程序是否会这样做。请注意，LLVM-mutate 可能会导致一个完全无害的程序仍然崩溃或永远运行，但我认为他们的方法通过仅采用现有指令来降低这种可能性。
然而，诸如“不可能”之类的事情只会阻止科学家，而不是工程师:-)......
我一直在想的是：在自然界中，真正的突变更像 LLVM 突变，就像我们在正常的遗传编程中所做的那样。换句话说，他们只是从非常有限的集合（A，T，C，G）中交换字母，并且每一种可能的变化都来自于此。我们可以有一个程序或一组程序，其中包含一组初始指令，以及一组链接或在程序中定义的“可能功能”。这些功能中的大多数实际上不会被使用，但它们将在那里为突变提供“原始 DNA”，就像在我们的 DNA中一样。这组函数将具有问题空间的完整（或半完整）可能函数集。然后，我们只需使用 LLVM-mutate 中的基本操作。
一些可能的问题：
考虑到可能的可变性，获得可接受的执行时间的唯一方法是拥有大量的计算能力。可能在云中或通过 GPU 实现。
您仍然必须应对图灵先生的停机问题。但是我认为这可以通过在“沙盒”中运行解决方案来解决，如果解决方案崩溃，它不会让你失望：像一次性虚拟机或类似 Docker 的容器，有时间限制（到摆脱无限循环）。崩溃或超时的解决方案将获得最差的适应性，因此程序往往会偏离这些路径。
至于为什么要这样做，我可以看到一些有趣的应用程序：自我修复程序、针对特定环境进行自我优化的程序、针对漏洞的程序“疫苗接种”、变异病毒、质量保证等。
我认为这里有一个潜在的开源项目。这将是疯狂、危险和耗时的漩涡：这只是我的项目。如果有人这样做，算我一个。