算法作曲(Algorithmic Composition),或称自动作曲(AutomatedComposition)是试图使用某个形式化的过程以使人(或作曲家)在利用计算机进行音乐创作时的介入程度达到最小的研究。遗传算法与人工神经网络作曲就是利用遗传算法与人工神经网络来实现乐曲的生成,在创作的过程中遗传算法按照一定的规则进行进化,神经网络则按照给定的样本训练,从而使得人在计算机创作的过程中介入程度达到最小。在利用这两种方法进行作曲时,由于音乐的作曲的复杂性,如何设置适应度函数,如何设计合适的训练样本,是一个很重要的问题。在复调音乐中动机常常作为核心片段出现,而对位则是复调作曲中重要的技法之一。本文首先介绍了遗传算法和人工神经网络的概念,综述了近年来采用机器作曲的研究现状和发展趋势,阐述了采用这两种方法作曲的创作模式。在此基础之上以巴赫的二声部创意曲为对象,通过对创意曲曲式的研究,构建了一个二声部创意曲曲式的模型。并根据这个模型首先针对曲式模型的核心部分动机进行了研究,设计了适当的适应度函数,用遗传算法尝试在随机的音符中生成新的动机片段。然后再通过对动机的分析,根据对位创作的技法选取训练样本,经过训练得到自动生成的对位片段。最后,将得到的动机和对位片段进行组合完成了二声部创意曲的自动生成。我们的研究工作,目的在于丰富算法作曲的方法,拓展数码音乐开发技术,这些均有着重要的学术意义和应用价值。