فایل ورد کامل بهینه سازی بهره ی اثر ژنتیک اجتماعی تحت کنترل نژاد با استفاده از الگوریتم ژنتیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل بهینه سازی بهره ی اثر ژنتیک اجتماعی تحت کنترل نژاد با استفاده از الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۴ صفحه

تعاملات اجتماعی حیوانات به طور گسترده ای در جمعیت دامها وجود دارد. با این حال، برخی از مطالعات نشان داد که انتخاب اثر ژنتیک اجتماعی منجر به افزایش بیشتر یک نژاد می شود. در این مطالعه، دو روش بهینه سازی (SBLUP+GA1، SBLUP+GA2) مبتنی بر الگوریتم ژنتیک برای دستیابی به سهم ژنتیکی بهینه ی مجازی و افزایش میانگین سود ژنتیک جزئی ژنتیک مستقیم و اجتماعی استفاده شد در حالی که نژاد کاهش یافت. در SBLUP+GA1، تنها سهم جنس نر بهینه سازی شد. در SBLUP+GA2، مشارکت نر و ماده با هم بهینه سازی شد. نتایج نشان داد که SBLUP+GA1 و SBLUP+GA2 در ۱۸.۵۲ درصد و ۲۵.۹۳ نرخ پایین نژادی نسبت به انتخاب اثر ژنتیک اجتماعی رایج بر اساس روش BLUP (SBLUP) تحت پارامترهای پایه بود. تحت آن شرایط، متوسط سود برای اجزای اثر ژنتیکی مستقیم، اجتماعی و کل در SBLUP+GA1 واقعا بهبود یافت که به ترتیب ۳.۵۹، ۱۰.۰۲ و ۴.۳۲ نسبت به SBLUP بود. در SBLUP+GA2، به ترتیب ۱.۲۸، ۱۰.۰۰ و ۲.۰۲ بودند. SBLUP+GA2 حاصل در نرخ نژاد کمتر است، اما، اندکی الگوریتم ژنتیک از SBLUP+GA1 به دست آمد.

کلید واژه ها: BLUP | الگوریتم ژنتیک | نژاد | بهینه سازی | اثر ژنتیک اجتماعی

عنوان انگلیسی:

Optimizing the gain of social genetic effect under the control of inbreeding using genetic algorithm

~~en~~ writers :

Pingxian Wu, Yanzhi Jiang, Li Zhu, Xuewei Li, Guoqing Tang

Social interactions among animals are widely existed in livestock population. However, some studies
showed that the selection of social genetic effect leaded to extra increase of inbreeding. In this study, two
optimization methods (SBLUPGA1, SBLUPGA2) based on genetic algorithm were used to obtain the
optimal genetic contributions of seedstocks and maximize the average genetic gains of direct and social
genetic component while minimizing the inbreeding. In SBLUPGA1, only the contributions of sires
were optimized. In SBLUPGA2, the contributions of sires and dams were optimized together. The results showed SBLUPGA1 and SBLUPGA2 resulted in 18.52% and 25.93% lower inbreeding rate than
common social genetic effect selection based on BLUP method (SBLUP) under base parameters, respectively. Under that situation, the average gains for direct, social and total genetic effect component in
SBLUPGA1 were actually improved 3.59%, 10.02% and 4.32% relative to SBLUP, respectively. In
SBLUPGA2, they were 1.28%, 10.00% and 2.02%, respectively. SBLUPGA2 resulted in lower inbreeding
rate, but, obtained slightly less genetic gain than SBLUPGA1.

Keywords: Blup | Genetic algorithm | Inbreeding | Optimization | Social genetic effect

$$en!!