We present a review of the application of genetic programming (GP) and other variations of evolutionary computation (EC) to the creative art of music composition. Throughout the development of EC methods, since the early 1990s, a small number of researchers have considered aesthetic problems such as the act of composing music alongside other more traditional problem domains. Over the years, interest in these aesthetic or artistic domains has grown significantly. We review the implementation of GP and EC for music composition in terms of the compositional task undertaken, the algorithm used, the representation of the individuals and the fitness measure employed. In these aesthetic studies we note that there are more variations or generalisations in the algorithmic implementation in comparison to traditional GP experiments; even if GP is not explicitly stated, many studies use representations that are distinctly GP-like. We determine that there is no single compositional challenge and no single best evolutionary method with which to approach the act of music composition. We consider autonomous composition as a computationally creative act and investigate the suitability of EC methods to the search for creativity. We conclude that the exploratory nature of evolutionary methods are highly appropriate for a wide variety of compositional tasks and propose that the development and study of GP and EC methods on creative tasks such as music composition should be encouraged.

中文翻译：

---

进化音乐：将进化计算应用于音乐创作艺术

我们回顾了遗传编程 (GP) 和进化计算 (EC) 的其他变体在音乐创作的创作艺术中的应用。在 EC 方法的整个发展过程中，自 1990 年代初期以来，少数研究人员已经考虑了美学问题，例如创作音乐的行为以及其他更传统的问题领域。多年来，人们对这些美学或艺术领域的兴趣显着增长。我们根据所进行的作曲任务、使用的算法、个体的表示和采用的适应度测量来回顾 GP 和 EC 在音乐作曲中的实现。在这些美学研究中，我们注意到与传统的 GP 实验相比，算法实现中有更多的变化或概括；即使没有明确说明 GP，许多研究也使用了明显类似于 GP 的表示。我们确定没有单一的作曲挑战，也没有单一的最佳进化方法来处理音乐作曲行为。我们将自主组合视为一种计算上的创造性行为，并研究 EC 方法对寻找创造力的适用性。我们得出结论，进化方法的探索性非常适合各种作曲任务，并建议应鼓励开发和研究 GP 和 EC 方法在音乐作曲等创造性任务上的研究。我们确定没有单一的作曲挑战，也没有单一的最佳进化方法来处理音乐作曲行为。我们将自主组合视为一种计算上的创造性行为，并研究 EC 方法对寻找创造力的适用性。我们得出结论，进化方法的探索性非常适合各种作曲任务，并建议应鼓励开发和研究 GP 和 EC 方法在音乐作曲等创造性任务上的研究。我们确定没有单一的作曲挑战，也没有单一的最佳进化方法来处理音乐作曲行为。我们将自主组合视为一种计算上的创造性行为，并研究 EC 方法对寻找创造力的适用性。我们得出结论，进化方法的探索性非常适合各种作曲任务，并建议应鼓励开发和研究 GP 和 EC 方法在音乐作曲等创造性任务上的研究。