Multi objective genetic algorithm voor muzikale motieven (voor de hedendaagse componist)

摘要

Muziek en wiskunde zijn intrinsiek verbonden. Voor het componeren van een muziekstuk zal men bepaalde principes moeten eerbiedigen. De vertaalslag naar wiskundige modellen van deze principes vormt de basis voor het genereren van muziek.Muziekanalyse bestudeert de structuur en opbouw van muziek en verbetert de communicatie van muziek. Het herkennen van structuren helpt de luisteraar om een muziekstuk beter te begrijpen. Niet elke structuur in een muziekstuk laat zich even gemakkelijk herkennen, met andere woorden: niet elk muziekstuk is even begrijpelijk. De atonale muziek van Schönberg is bijvoorbeeld minder begrijpelijk dan de tonale muziek van Bach. De begrijpelijkheid van de muziek is het uitgangspunt voor de generatie van muziekstukken.In deze thesis wordt onderzocht in hoeverre het mogelijk is begrijpelijke muziek te genereren door middel van een multi-objective genetisch algoritme. De gegenereerde muziek wordt geëvalueerd met objectieve maatstaven voor begrijpelijkheid, maar ook op subjectieve gronden door gebruik te maken van een testpubliek.De gegenereerde muziekstukken tonen aan dat verschillende gradaties van begrijpelijkheid gekoppeld kunnen worden aan verschillende muziekstijlen. De meest succesvolle generaties bezitten een hoge begrijpelijkheid die sterk aanleunen bij tonale muziek. De conclusie luidt dat de mogelijkheden van het gebruikte algoritme volstaan om een componist te ondersteunen in zijn compositieproces.