苏飞

(商洛学院 艺术学院， 陕西 商洛 726000)

0 引言

近些年来，在频谱作曲中，将计算机技术应用于乐谱研究成为一个重要的研究方向。通过某种算法策略控制获得音符序列，最终得到完整旋律，形成一种算法的频谱作曲，能向观众传递直观感受，因此，频谱作曲相较传统作曲方式实用性更高[1-2]。在计算机作曲方面，目前已经有多种计算机算法应用于频谱作曲中，如应用较多的神经网络算法、专家系统法、马尔科夫链表转换法等[3-6]。但算法在应用过程中存在一定局限性，神经网络算法对采用的数据提出了较高的要求[7]，而专家系统更多的受限于谱曲的规则限制[8]，马尔科夫链表转换法更多的是依靠当前所具备的知识和信息来实现对音乐频谱作曲[9]。相较而言，遗传算法不依赖于问题参数本身，能够获得更好的全局最优解特性，被越来越多地应用于乐曲创作中[10]。通过利用遗传算法对乐曲进行编码，并采用交叉、变异算子获得满意解能较好的保证乐曲的呈现度[11]，但利用遗传算法在进行频谱作曲时，容易忽视短句的构成或调性更高的音乐频谱，适应函数主要依靠系统本身定义，使得乐曲差异性较大[12]。基于此，本研究提出一种新的音乐知识遗传算法，通过在适应函数中引入人的策略来提升评价标准，有效提升遗传算法在频谱作曲中的适应度和呈现度。

1 遗传算法的频谱分析

1.1 算法的基本流程

遗传算法(GA)基于自然选择和遗传变异的全局概率算法，形式简单，具有较强的普适性。……