在音乐的发展历程中,计算机技术曾起到过重要的推进作用。正是计算机技术将音乐电子化、数字化,音乐才能传遍天南海北,传进千家万户。随着计算机科学高速发展,人工智能算法已经在生活中的许多场景得到应用,然而智能算法在音乐领域的应用稍显单薄。这是由于音乐的结构比常见的文本更为复杂,其背后的艺术性也较难以量化描述,给算法理解带来了难度。歌词和旋律是音乐中两个最为重要的要素。为了实现音乐创作,现阶段的歌词生成任务主要被视作自然语言生成任务的一个现实场景应用问题,具有较强的现实意义。由于歌曲中歌词和主旋律往往是有强烈相关性的,在真实的创作中,常常是先创作歌词,然后为其谱出对应旋律。如果人工智能算法能够在给定歌词的基础上生成对应的旋律,那么广大音乐爱好者可以从中得到许多帮助与启发。本文基于生成对抗网络对歌词生成和旋律生成这两个任务展开进行研究,主要研究工作和创新点如下:（1）本文提出了一种融合生成对抗网络和演化计算的思想的文本生成算法。该算法采用含有自注意力机制的关系记忆核模型作为生成器,能够更好地对文本数据中时间域的记忆进行建模;该算法还融合了演化计算的思想,能够主动为生成器主动探寻更适合当前环境的策略,从而把握生成质量和多样性之间的权衡,缓解模式坍塌问题。在中英文本语料上的实验证明了算法能够生成高质量且多样性较高的文本。随后,本文将此算法应用进歌词生成任务,并根据歌词任务特点对模型进行了改进,使其更适用于歌词生成场景,并进行歌词语料实验证明其有效性。（2）本文提出了给定歌词的前提下基于条件生成对抗网络的旋律生成方法。该方法以歌词的文本词向量信息作为生成器的输入生成旋律,并交由判别器评判其音乐性与歌词旋律对应关系,判别器的反馈结果再用于旋律的改进。本文随后进行了基于真实音乐语料库的实验,并通过自动评价指标、描述性统计指标以及基于音乐乐理规则定义的原创指标Music-BLEU从多角度对实验结果进行分析,证明了该方法相对基线模型而言可以生成综合效果最好的音乐旋律数据。