Documentos de Académico
Documentos de Profesional
Documentos de Cultura
[3.2] Introducción
TEMA 3 – Esquema
Algoritmos avanzados en música
Geometría
Algoritmos genéticos Autómatas celulares Agentes Teoría del caos
fractal
Agentes en
Algoritmos genéticos en Autómatas celulares en Conjunto de
composición Atractores
composición musical composición musical cantor
musical
Curva de Koch
Triángulo de
Sierpinski
Matemáticas y Física Aplicadas a la Música
Matemáticas y Física Aplicadas a la Música
Ideas clave
Para el estudio de este tema debes leer el cuarto capítulo de la tesis doctoral
«Probabilidad, Redes Neuronales e Inteligencia Artificial en Composición Musical.
Desarrollo de los sistemas MusicProb y MusicNeural» de Victor Padilla. Recuperado
de http://eciencia.urjc.es/browse?type=author&value=Padilla+Mart%C3%ADn-
Caro%2C+V%C3%ADctor
3.2. Introducción
Somos conscientes que cada epígrafe de este tema daría pie a varias investigaciones en
profundidad. No es nuestro objetivo analizar en detalle ninguno de estos aspectos, más
bien proporcionar un panorama general de las diferentes aproximaciones a la
composición musical desde el mundo de las ciencias de la computación y hacer presente
al alumno nuevos campos abiertos en investigación musical que pudieran serle afines.
Hoy en día se sabe que estos cambios se efectúan en los genes de un individuo (unidad
básica de codificación de cada uno de los atributos de un ser vivo), y que sus atributos
más deseables (por ejemplo, los que le permiten adaptarse mejor a su entorno) se
transmiten a sus descendientes cuando este se reproduce sexualmente.
Los principios básicos de los algoritmos genéticos fueron establecidos por Holland y se
encuentran bien descritos en varios textos de Goldberg, Bauer o Banzhaf (ver bibliografía
al final del tema).
Los algoritmos genéticos usan una analogía directa con el comportamiento natural.
Trabajan con una población de individuos, cada uno de los cuales representa una
solución factible a un problema dado. A cada individuo se le asigna un valor o
puntuación, relacionado con la bondad de dicha solución. En la naturaleza esto
equivaldría al grado de efectividad de un organismo para competir por unos
determinados recursos. Cuanto mayor sea la adaptación de un individuo al problema,
mayor será la probabilidad de que el mismo sea seleccionado para reproducirse,
cruzando su material genético con otro individuo seleccionado de igual forma. Este cruce
producirá nuevos individuos descendientes de los anteriores los cuales comparten
algunas de las características de sus padres. Cuanto menor sea la adaptación de un
individuo, menor será la probabilidad de que dicho individuo sea seleccionado para la
reproducción, y por tanto de que su material genético se propague en sucesivas
generaciones.
Gen mutado
Operador de mutación
Gb Bb F Ab Bb F Ab Gb Bb F Ab Eb F Ab F Ab Eb
NO
¿Resultado aceptable?
SI FIN
Son sistemas descubiertos dentro del campo de la física computacional por John von
Neumann en la década de 1950. Los autómatas celulares pueden ser de una dimensión
(una línea), bidimensionales (un plano), tridimensionales (un espacio), etc. De
acuerdo a la cantidad de dimensiones que use tendrá tantos o menos vecinos. Por
ejemplo, para un autómata celular 2D cada celda tiene 8 vecinos (si tomamos también
las diagonales) o 4 vecinos (si tomamos el de arriba, abajo, izquierda y derecha). En el
caso de un autómata 3D, cada celda tiene 26 vecinos (3x3x3-1). Uno de una sola
dimensión tiene solo 2 vecinos. La interacción de cada célula con sus vecinas produce
extraños patrones.
Stephen Wolfram clasificó los autómatas según la configuración a la que tienden. Esto
es: qué configuración quedará al cabo de cierto tiempo de cómputo.
Fuente: http://www.wolframalpha.com/input/?i=rule+1
Fuente: http://www.wolframalpha.com/input/?i=rule+50
Fuente: http://www.wolframalpha.com/input/?i=rule+30
Fuente: http://www.wolframalpha.com/input/?i=rule+110
El juego de la vida
Este es quizás el autómata celular más conocido. Fue inventado por John Horton
Conway en 1970 y en principio solo se veía como un juego matemático.
Existen numerosos tipos de patrones que pueden tener lugar en el juego de la vida, como
patrones estáticos («vidas estáticas»), patrones recurrentes («osciladores»)
conjunto de vidas estáticas y patrones que se trasladan por el tablero («naves
espaciales»). Los ejemplos más simples de estas tres clases de patrones se muestran
abajo. Las células vivas se muestran en negro y las muertas en blanco.
Fuente: http://es.wikipedia.org/wiki/Juego_de_la_vida
En este apartado vamos a revisar los trabajos realizados por Eduardo Reck Miranda
sobre autómatas celulares. Miranda implementó un sistema basado en el algoritmo del
juego de la vida que le permitía generar alturas y duraciones. El sistema se denominó
CAMUS y emplea un modelo cartesiano para representar acordes de 3 sonidos. El
modelo tiene 2 dimensiones donde la coordenada horizontal representa el primer
intervalo y la vertical el segundo.
Fuente: http://quod.lib.umich.edu/cgi/p/pod/dod-idx/cellular-automata-in-midi-based-computer-
music.pdf?c=icmc;idno=bbp2372.2004.047
0000 a[dn] 0010 adn 0101 and 0111 nad 1011 nda
0001 [dna] 0011 dna 0110 dan 1001 d[na] 1111 n[da]
La codificación se emplea por pares (los 8 vecinos) de manera que queda determinada la
duración de cada nota. Por ejemplo, si tenemos «nad» y «a[dn]» (0100 0000) como
vecinos de una celda, el resultado será, en el ejemplo de la siguiente:
Con este sistema, Miranda ha compuesto un número de piezas como Entre l'Absurde et
le Mystère (para orquesta de cuerda) y el segundo movimiento de Wee Batucada Scotica
(cuarteto de cuerdas).
Una explicación más detallada del algoritmo puedes encontrarla en el siguiente artículo:
http://quod.lib.umich.edu/cgi/p/pod/dod-idx/cellular-automata-in-midi-based-
computer-music.pdf?c=icmc;idno=bbp2372.2004.047
La simulación basada en agentes ha demostrado ser una técnica muy útil para
modelizar sistemas complejos, y muy especialmente en sistemas sociales. Mediante la
simulación basada en agentes, el modelo trata de recoger la información de los sistemas
Los sistemas basados en agentes se caracterizan por comprender varios agentes que son
en mayor o menor grado autónomos, heterogéneos e independientes, que
muestran cada uno sus propias metas y objetivos, y que generalmente son capaces de
interaccionar entre sí y con su entorno. En muchas ocasiones, pero no siempre, son
sistemas caracterizados por la existencia de un número grande de agentes relativamente
simples, que pueden evolucionar a lo largo del tiempo para adaptarse a nuevas
condiciones del entorno o a nuevos objetivos. En particular, la simulación basada en
agentes es especialmente relevante en sistemas complejos con las siguientes
características:
esta hipótesis puedan aplicarse satisfactoriamente a sistemas reales en los que los
individuos son, en realidad, heterogéneos.
Un sistema llamado «Music Insects» del japonés Toshio Iwai (1992) es un ejemplo de
implementación sonora de una simulación basada en agentes. El sistema incorpora un
pequeño conjunto de insectos—agentes que se mueven sobre un territorio en 2D. El
usuario puede colocar patches de diverso color. Cuando un insecto cruza un patch de un
color determinado, suena una determinada nota asociada. Por tanto, una vez que un
entorno de color—nota patch ha sido configurado, el movimiento de los insectos se
transforma en sonido. El jugador podía hacer cambiar el rumbo de los insectos mediante
puntos y líneas de colores. Iwai juega con la idea de hacer música de dibujando,
cambiando los elementos del juego de forma fácil y rápida.
En este apartado vamos a comentar muy brevemente y de forma divulgativa una rama
de la física bastante popular que trata ciertos tipos de sistemas dinámicos muy
sensibles a las variaciones de las condiciones iniciales. Estos sistemas son
deterministas esto quiere decir que su comportamiento está completamente definido
por las condiciones iniciales. La consecuencia más importante es que en el régimen
caótico es imposible realizar predicciones a largo plazo, ya que nunca se van a poder
conocer las condiciones iniciales del sistema con infinita precisión.
Una forma de referirse al fenómeno anterior, que se ha hecho muy popular, es el término
efecto mariposa que proviene del título de la conferencia pronunciada por Edward N.
Lorenz en 1972 en la 139º reunión de la Sociedad Americana para el Avance de la Ciencia:
«¿Puede el aleteo de una mariposa en Brasil desencadenar un tornado en Texas?», en el
que se quería enfatizar, con una imagen chocante, la dependencia extrema a las
condiciones iniciales. Un ejemplo claro sobre el efecto mariposa es soltar una pelota justo
sobre la arista del tejado de una casa varias veces; pequeñas desviaciones en la posición
inicial pueden hacer que la pelota caiga por uno de los lados del tejado o por el otro,
conduciendo a trayectorias de caída y posiciones de reposo final completamente
diferentes. Cambios minúsculos que conducen a resultados totalmente divergentes.
Atractores
Fuente: http://commons.wikimedia.org/wiki/File:LorenzAttractor.png
La palabra fractal, referida a conjuntos matemáticos, apareció por primera vez en el año
1977 cuando Benoit Mandelbrot la utilizó para referirse a ciertos conjuntos con todas
o algunas de las siguientes propiedades:
Tienen detalles a todas las escalas, entendiendo por esto que mirados a cualquier
nivel de «zoom» manifiestan detalles ya observados a nivel global.
Son autosemejantes, es decir, que están formados por partes que son semejantes al
conjunto total.
Conjunto de Cantor
puntos se pueden identificar uno a uno con todos los puntos de una recta (que tiene
longitud infinita).
Fuente: http://commons.wikimedia.org/wiki/File:Conjunto_de_Cantor.png
La curva de Koch
La curva de Koch fue ideada por Helge von Koch en 1904 como ejemplo de curva de
longitud infinita contenida en un recinto acotado y sin tangente en cualquier punto.
Su construcción se hace mediante un proceso similar al del conjunto de Cantor. Se parte
de un segmento de longitud 1. El primer paso consiste en dividirlo en tres intervalos
iguales, construir un triángulo equilátero sobre el intervalo central y suprimir la base de
dicho triángulo, como indica la figura. El segundo paso de la construcción consiste en
hacer lo mismo que hemos hecho en el primer paso sobre cada uno de los cuatro
intervalos que han resultado. Y se repite el proceso infinitas veces. La curva de Koch es
la curva a la que se van aproximando las sucesivas poligonales que resultan en cada paso.
Fuente: http://wikimediafoundation.org/wiki/File:Von_koch_6_etapes.svg
El triángulo de Sierpinski
Fuente: http://wikimediafoundation.org/wiki/File:Sierpinski_segmentos.png
Otros ejemplos más complejos de fractales son los conjuntos de Mandelbrot y Julia.
Un estudio más en profundidad de sistemas caóticos y fractales excede los objetivos de
este tema, pero el alumno puede encontrar más información en la bibliografía del final
del mismo.
3.11. Resumen
En este tema hemos visto los procedimientos algorítmicos matemáticos más novedosos
a partir de los años 70 que en cierto modo han tenido su repercusión en el mundo de la
composición musical. Hemos histo algunos ejemplos de cómo pueden ser (o han sido)
empleados en música. En el siguiente capítulo veremos el ejemplo de una obra de Ligeti,
«Desordres» de sus Estudios para Piano, que sirve de homenaje, aunque no de forma
rigurosa, a la teoría del caos.
Fuente: http://wikimediafoundation.org/wiki/File:Mandelbrot.png
Lo + recomendado
No dejes de leer…
Accede parcialmente al libro a través del aula virtual o desde la siguiente dirección web:
https://www.ece.umd.edu/~blj/papers/icmc95.pdf
2D Cellular Automata
Accede al artículo a través del aula virtual o desde la siguiente dirección web:
http://blog.soulwire.co.uk/laboratory/flash/2d-cellular-automata
Accede al artículo a través del aula virtual o desde la siguiente dirección web:
http://www.rennard.org/alife/english/acintrogb01.html
TEMA 3 – Lo + recomendado
Matemáticas y Física Aplicadas a la Música
No dejes de ver…
Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
https://www.youtube.com/watch?v=CgOcEZinQ2I
Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
https://www.youtube.com/watch?v=OTHggyZAot0
TEMA 3 – Lo + recomendado
Matemáticas y Física Aplicadas a la Música
+ Información
A fondo
Papadopoulos, G. & Wiggins, G. (1998). A Genetic Algorithm for the Generation of Jazz
Melodies. Recuperado de http://citeseerx.ist.psu.edu
Accede al artículo a través del aula virtual o desde la siguiente dirección web:
http://www.cs.cmu.edu/afs/cs.cmu.edu/project/music/web/files/Genetic%20Algorithm
%20for%20Generation%20of%20Jazz%20Melodies.pdf
Miranda, E. & Todd, P. (2010). A-Life and Musical Composition: A Brief Survey.
Recuperado de http://cmr.soc.plym.ac.uk/
Accede al artículo a través del aula virtual o desde la siguiente dirección web:
http://compmus.ime.usp.br/sbcm/2003/papers/rEduardo_Miranda.pdf
TEMA 3 – + Información
Matemáticas y Física Aplicadas a la Música
Bibliografía
Especialmente recomendados
Bauer, R. (1994). Genetic Algorithms and investment strategies. Wiley Finance Edition.
Izquierdo, L., Galán, J., Santos, J., & Olmo, R. (2008). Modelado de sistemas complejos
mediante simulación basada en agentes y mediante dinámica de sistemas. Empiria, 16.
Biles, J. (1994). GenJam: a genetic algorithm for generating jazz solos. In proceedings
of the 1994 International Computer Music Conference. International Computer Music
Association, San Francisco.
Miranda, E., & Biles, A. (2007). Evolutionary computer music. Springer, London.
TEMA 3 – + Información
Matemáticas y Física Aplicadas a la Música
Test
4. Los fractales:
A. Son autosemejantes.
B. Tienen una descripción algorítmica simple.
C. Están basados en probabilidades.
D. Están basados en sistemas azarosos.
TEMA 3 – Test