遗传算法(Genetic Algorithms. GAs)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,是一种新的全局优化搜索算法,具有简单通用、稳定性强、适于并行处理以及高效、实用等显著特点,在很多领域得到了广泛应用。遗传算法借鉴生物界自然选择和自然遗传机制,使用群体搜索技术,尤其适用于处理传统搜索方法难以解决的复杂的和非线性的问题。由于其具有不依赖于问题模型的特性、全局最优性、随机转移性而非确定性、隐含并行性等特点,因此遗传算法更适合复杂问题的优化,与其他优化技术相比存在显著的优势,正越来越激起人们的广泛研究与应用。遗传算法的这些优势启发人们可将遗传算法应用于乐曲创作上。遗传算法作曲是利用遗传算法来控制音乐生成的过程。在作曲过程中首先将给定乐曲进行一定方式的编码,然后采用交叉、变异等算子对乐曲进行进化,用适应度函数来衡量进化结果,如此不断进行直到找到最终的满意解为止。在遗传算法的进化过程中,如果用人的评价来代替客观的适应度函数,则将这种遗传算法称之为交互式遗传算法。交互式遗传算法通常应用于那些适应度函数难以精确定义的领域,如音乐、绘画等艺术领域,这些领域需要用到人大量的主观评价。同其他方法比较,交互式遗传算法应用于音乐创作时所产生的乐曲更适合人的欣赏习惯,同时也能够克服普通遗传算法作曲带来的盲目性和随机性的弊端。所以这种方法被许多人应用于乐曲创作中。本文论述了遗传算法作曲的基本原理和方法,分析了各种遗传算法作曲系统的特点,提出了一种新的交互式遗传算法作曲系统。按照这种系统进化后得到的乐曲能够符合实际的需要。论文的研究内容如下:1)论文分析了遗传算法作曲的基本原理并介绍了遗传算法作曲的步骤。2)论文对遗传算法中要用到的音乐知识进行了介绍。3)论文对遗传算法作曲中的知识表示进行了研究。4)对遗传算法作曲的适应度函数进行了研究。5)对各种遗传算法作曲系统的特征及优缺点进行了探讨。论文的主要贡献在于:1)本文在把遗传算法应用于作曲时提出了一种新的音乐知识的表示方法。2)本文提出了一种改进的交互式作曲系统,这种作曲系统在作者所定义的进化操作完成后生成的乐曲比较符合人们的欣赏水平。最后,文中指出为了进一步完善遗传算法作曲系统需要做的工作,为自己以后的研究明确了方向。本文所提出的遗传算法作曲系统对现存的作曲系统在某方面进行了改进,新的遗传算法作曲系统能对目前遗传算法作曲系统的研究有一定的启发作用。