和声搜索算法试题.ppt

和声搜索算法（HS） 应用与建模 算法改进 参数影响、取值范围 HS算法介绍 01 02 03 04 Contents 目录 和声（乐理名词）： 两个或两个以上不同的音按一定的法则同时发声而构成的音响组合。 是对音乐家通过反复调整不同乐器音调使之最终达到最优美和声这一过程的模拟。 和声搜索算法（HS）： 2001年 Geem等 新的启发式算法 很强的全局收敛性 1 旅行商（TSP）问题 2 水管网的优化设计 3 公交路线的设计与优化 4 水库调度、生产调度 和声搜索算法的应用 5 卫星导热管的设计 7 在土坡稳定性分析中的应用 8 PID控制中参数的优化设置 9 聚类分析 6 在非线性马斯京根模型中的应用 10 机器人学、机器学习 11 图像处理 12 人工生命、遗传编程 * 全局最优解 目标函数 函数自变量值 每次迭代 全局优化问题 最佳状态 评价方式 参与评价的元素 过程单元 类比元素 最优美和声 美学评价 乐器的音调 每次练习 和声搜索算法 和声搜索算法与全局优化问题的类比 * Do、Re、Mi、Fa、Sol、La、Si x1 x2 x3 1、2、3、4、5、 6、7 美学评价 吉他：Do, 贝斯：Re, 萨克斯：Mi * 解向量 一个n维自变量的待优化函数，其和声记忆库可表示为： 和声记忆库（HM） 式中，HMS为和声记忆库的大小。 决策变量 目标函数 * 1 3 2 初始化算法参数 创造新的和声 初始化记忆库 和声搜索算法的步骤 4 5 更新和声记忆库 检查是否满足结束条件，若不 满足返回步骤3，否则算法结束 * 初始化算法参数 和声记忆库大小（HMS） 记忆库的取值概率（HMCR） 音调微调概率（PAR） 微调步长（bw） 结束条件（eg. 精度，迭代次数） 优化问题的约束条件 eg. 一个非约束最优化问题 其中， 目标函数 决策变量 解向量 决策变量的取值空间 * 初始化和声记忆库 [0~1]区间的随机数 优 差 * 转化 转化 转化 演奏一段自己能精确记忆的著名曲子 （已经是很优美的和声了） 01 演奏与自己记忆的和声相似的和声 （在自己记忆的和声的基础上微调） 02 即兴创作音符来组成和声 03 音乐家的创作 新和声的创作 从和声记忆库中学习（HMCR*(1-PAR)） 在学习的基础上微调(HMCR*PAR) （益于跳出局部最优） 在决策变量范围内随机选取 (1-HMCR) （益于跳出局部最优） 创造新的和声（最核心） 从记忆库中取值 从记忆库外部，即第i个自变量的取值空间中取值 HM外部随机取值，可防止落入局部最优或局部收敛。 取值： 微调（从记忆库中取值）： 其中，bw为调节宽度 更新和声记忆库 新和声优于HM中最差的和声 重 新 排 序 反 之 检查，循环或结束 含导向性的随机搜索算法 对HM的学习和更新 参数的影响 1 记忆库的大小HMS 3 微调概率PAR 2 记忆库取值概率HMCR 4 微调步长bw 选标准的Ackley函数作为测试函数 全局最小值： HMS对算法的影响 记忆库越大，和声多样性越大， 则更易跳出局部极值， 但为得到好的收敛精度， 迭代次数就会增加 HMS对算法的影响 建议HMS一般取在30左右为宜 HMCR对算法的影响 HMCR太小算法的“挖掘能力不足，而太接近1，“探索”能力下降， 由图可得，要好的收敛速度和精度以及鲁棒性， 建议HMCR在0.7到0.95之间取值。 PAR对算法的影响 建议PAR在0.1到0.5之间取值。 bw对算法的影响 实验中，bw在[d/5,d/106]之间取值。