آهنگسازی الگوریتمی. آهنگسازی الگوریتمی، تکنیکی برای استفاده از الگوریتم ها برای ساخت موسیقی است. الگوریتم ها ( یا در پایین ترین سطح، مجموعه ای از قواعد رسمی ) سده ها است که برای ساخت موسیقی استفاده شده اند؛ برای مثال روش هایی که برای طرح ریزی صدا در کنترپوان غربی استفاده می شود، می توانند به طرح ریزی الگوریتمی کاهش پیدا کنند. این اصطلاح، برای استفاده از روش قراردادی و رسمی برای ساخت موسیقی بدون مداخله انسان با معرفی روال های تصادفی یا استفاده از رایانه ها رزرو شده است.
یک تمایز اساسی بین آهنگسازانی که از روش های مجهول ( مثل روش تصادفی ) برای ساخت موسیقی استفاده می کنند و آن هایی که از روال هایی که نتایج قطعی تولید می کنند استفاده می کنند، امکان دادن یک ورودی ثابت به الگوریتم است.
بسیاری از الگوریتم های که ارتباط موزیکال فوری و بی واسطه ندارند، توسط آهنگسازان به عنوان یک الهام خلاق برای موسیقی شان استفاده می شوند. الگوریتم های مانند برخال ها، L - systemها، مدل های آماری و داده های اختیاری ( مانند اشکال آماری، مختصات جغرافیایی ) به تفاسیر موسیقایی مشروعیت می بخشند. موفقیت یا شکست این روال ها به عنوان منابعی برای موسیقی خوب به طور گسترده ای وابسته به سیستم نگاشتی است که برای ترجمه اطلاعات غیر موزیکال به یک جریان داده موزیکال، توسط آهنگسازان مورد استفاده قرار می گیرد.
یک متد جامع برای طبقه بندی الگوریتم های آهنگسازی در گروه های مختلف وجود ندارد. یک راه برای این انجام کار نگاه کردن به روش هایی است که یک الگوریتم در فرایند آهنگسازی شرکت می کند. نتایج این پردازش می تواند به دو مرحله تقسیم شود: ۱ ) موسیقی ساخته شده توسط کامپیوتر ۲ ) موسیقی ساخته شده با کمک رایانه. وقتی که الگوریتم قادر است که در طول ایجاد فرایند قدرت انتخاب داشته باشد، موسیقی می تواند توسط رایانه ساخته شود. راه دیگر برای طبقه بندی الگوریتم های آهنگسازی، آزمودن نتایج فرایندهای آهنگسازی قطعات موسیقی است. الگوریتم ها می توانند هم ۱ ) اطلاعات نت ها ( نت موسیقی برگه ای ) را برای سایر آلات موسیقی فراهم کنند وهم ۲ ) یک روش مستقل برای ترکیب صداها ( اجرای آهنگ ) فراهم آورند. گرچه عمومی ترین روش برای طبقه بندی الگوریتم های موسیقی، طبقه بندی توسط ساختار الگوریتم ها و روش پردازش اطلاعات موزیکال است. یکی از تقسیم بندی های مفصل شامل ۶ مدل نسبتاً هم پوشانی شده است: • مدل های ریاضی • سامانه های مبتنی بر دانش • گرامر • روش های تکاملی • سامانه های یادگیری • سامانه های ترکیبی
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفیک تمایز اساسی بین آهنگسازانی که از روش های مجهول ( مثل روش تصادفی ) برای ساخت موسیقی استفاده می کنند و آن هایی که از روال هایی که نتایج قطعی تولید می کنند استفاده می کنند، امکان دادن یک ورودی ثابت به الگوریتم است.
بسیاری از الگوریتم های که ارتباط موزیکال فوری و بی واسطه ندارند، توسط آهنگسازان به عنوان یک الهام خلاق برای موسیقی شان استفاده می شوند. الگوریتم های مانند برخال ها، L - systemها، مدل های آماری و داده های اختیاری ( مانند اشکال آماری، مختصات جغرافیایی ) به تفاسیر موسیقایی مشروعیت می بخشند. موفقیت یا شکست این روال ها به عنوان منابعی برای موسیقی خوب به طور گسترده ای وابسته به سیستم نگاشتی است که برای ترجمه اطلاعات غیر موزیکال به یک جریان داده موزیکال، توسط آهنگسازان مورد استفاده قرار می گیرد.
یک متد جامع برای طبقه بندی الگوریتم های آهنگسازی در گروه های مختلف وجود ندارد. یک راه برای این انجام کار نگاه کردن به روش هایی است که یک الگوریتم در فرایند آهنگسازی شرکت می کند. نتایج این پردازش می تواند به دو مرحله تقسیم شود: ۱ ) موسیقی ساخته شده توسط کامپیوتر ۲ ) موسیقی ساخته شده با کمک رایانه. وقتی که الگوریتم قادر است که در طول ایجاد فرایند قدرت انتخاب داشته باشد، موسیقی می تواند توسط رایانه ساخته شود. راه دیگر برای طبقه بندی الگوریتم های آهنگسازی، آزمودن نتایج فرایندهای آهنگسازی قطعات موسیقی است. الگوریتم ها می توانند هم ۱ ) اطلاعات نت ها ( نت موسیقی برگه ای ) را برای سایر آلات موسیقی فراهم کنند وهم ۲ ) یک روش مستقل برای ترکیب صداها ( اجرای آهنگ ) فراهم آورند. گرچه عمومی ترین روش برای طبقه بندی الگوریتم های موسیقی، طبقه بندی توسط ساختار الگوریتم ها و روش پردازش اطلاعات موزیکال است. یکی از تقسیم بندی های مفصل شامل ۶ مدل نسبتاً هم پوشانی شده است: • مدل های ریاضی • سامانه های مبتنی بر دانش • گرامر • روش های تکاملی • سامانه های یادگیری • سامانه های ترکیبی
wiki: آهنگسازی الگوریتمی