基于深度强化学习的和声自动生成算法

机器自动作曲是人工智能和作曲理论结合的交叉研究领域。自动作曲算法旨在辅助使用者进行音乐创作,帮助使用者减少工作量或是提供灵感。面对当代音乐创作需求,现有的自动作曲方法无法有效表达音乐特征,生成的和声缺乏音乐结构,无法满足当代音乐创作多样性的要求。针对上述不足,提出了一种基于深度强化学习(Deep Reinforcement Learning,DRL)与和声量化的和声自动生成(Automatic Harmony Generation Algorithm Based on DRL,AHG-DRL)算法。AHG-DRL使用和声量化方法对音乐进行编码,使编码后的音乐具备更加全面的音乐特征;使用基于逆强化学习(Inverse Reinforcement Learning,IRL)与DRL的和声生成算法扩大音乐创作的搜索空间,同时使生成的音乐具备功能性。实验结果表明,所提和声自动生成算法可以生成满足创作需求和符合作曲规则的音乐,与其他和声生成算法相比,生成的和声种类更加复杂多样,在客观评价指标上更接近真实值。