Recomendação de acasalamentos para otimização de modelos bioeconômicos

• Ano de defesa: 2022
• Autor(a) principal: Gomes, Alfredo Parteli
• Orientador(a): Camargo, Sandro da Silva
• Banca de defesa: Camargo, Sandro da Silva, Mercadante, Maria Eugênia Zerlotti, Emmendorfer , Leonardo Ramos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pampa
• Programa de Pós-Graduação: Mestrado Acadêmico em Computação Aplicada
• Departamento: Campus Bagé
• País: Brasil
• Palavras-chave em Português: Inteligência artificial; Otimização combinatória; Computação evolutiva; Melhoramento genético; Artificial intelligence; Combinatorial optimization; Evolutionary computation; Genetic improvement
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: https://repositorio.unipampa.edu.br/jspui/handle/riu/9162

O melhoramento genético animal representa um conjunto de processos, que por meio de suas ferramentas de seleção e acasalamento, tem como objetivo maximizar o mérito bioeconômico na geração seguinte do rebanho. Neste contexto, surgem os programas de melhoramento genético animal para auxiliarem o produtor rural otimizar meios que levem a um maior retorno econômico de sua atividade de pecuária de corte, incorporando aos índices de seleção animal, critérios que tragam maior retorno econômico. A inserção de critérios econômicos nos índices de seleção pode facilitar o aumento da lucratividade por meio de decisões focadas em uma variedade mais ampla de características economicamente relevantes. Considerando o acasalamento uma das ferramentas fundamentais do melhoramento genético animal, este trabalho tem como objetivo implementar uma estratégia para recomendar os melhores acasalamentos bovinos baseados em índices de seleção por valores econômicos. A otimização deste processo de melhoramento genético envolve o tratamento de uma variedade de características bioeconômicas ocasionando uma explosão combinatória de soluções de acasalamentos. Na computação, problemas de otimização são implementados por algoritmos computacionais para essa solução. Nesta abordagem é apresentada uma solução baseada em Algoritmos Evolucionários (EA - Evolutionary Algorithm), isto é, modelos computacionais, inspirados no processo de evolução natural, para soluções de problemas de otimização combinatória. Neste contexto, a proposta deste trabalho é a aplicação de um algoritmo genético para criar recomendações de acasalamentos para bovinos Brangus atendendo às características que são de interesse do programa de melhoramento genético da Embrapa. Os dados utilizados nas simulações deste trabalho correspondem aos critérios de seleção: i) peso ao nascer; ii) peso vaca adulta; iii) área do olho do lombo; iv) espessura de gordura subcutânea; v) espessura de gordura subcutânea na garupa; vi) velocidade de fuga; vii) número de ovos de nematóides por grama de fezes; e viii) contagem de carrapatos. Os resultados confirmam que a inferência da estratégia computacional para a seleção de acasalamentos proporciona evolução genética para as características selecionadas expressando em valores econômicos os ganhos em produtividade.