Um Sistema de Informação para Melhoramento Genético de Caprinos e Ovinos
Resumo
Este trabalho descreve um sistema de informação para melhoramento genético de caprinos e ovinos, com o objetivo de maximizar o ganho de peso e minimizar o grau de parentesco do rebanho. O melhoramento genético foi desenvolvido com base na literatura da ciência animal e implementado a partir do uso de algoritmos de inteligência computacional. O sistema foi aplicado em um projeto piloto, com poucos animais, para avaliação dos resultados e, devido ao seu sucesso, está sendo usado em caráter experimental em um rebanho de uma instituição de ensino superior com cerca de 200 animais. A partir do seu uso é possível predizer os melhores casais para acasalar, de forma a potencializar o ganho de peso das futuras gerações, minimizando o grau de parentesco do rebanho.
Referências
Biologically inspired guidance for motion camouflage, volume 3, 2004.
C. Darwin. Origem das Espécies, A. Clássicos de ouro ilustrados. Ediouro Publicações, 2004.
C. Yu, M. Zhang, F. Ren, and G. Tan. Multiagent learning of coordination in loosely coupled multiagent systems. Cybernetics, IEEE Transactions on, PP(99):1–1, 2015.
Charles Darwin. On the Origin of Species by Means of Natural Selection, or the Preservation of Favoured Races in the Struggle for Life. John Murray, London, 1859.
Colin R Townsend, Michael Begon, and John L Harper. Fundamentos em ecologia. Artmed Editora, 2009.
D. Conte, P. Foggia, G. Percannella, F. Tufano, and M. Vento. An algorithm for detection of partially camouflaged people. In Advanced Video and Signal Based Surveillance, 2009. AVSS ’09. 6th IEEE International Conference on, Sept 2009.
Gerd Wagner. Aor modelling and simulation: Towards a general architecture for agent-based discrete event simulation. In Agent-Oriented Information Systems,volume 3030. Springer Berlin Heidelberg, 2004.
John A. Endler. Natural selection on color patterns in poecilia reticulata. Evolution, 8-34:76–91, 1980.
L.R.G. Carrillo, W.J. Russell, J.P. Hespanha, and G.E. Collins. State estimation of multiagent systems under impulsive noise and disturbances. Control Systems Technology, IEEE Transactions on, 23(1):13–26, 2015.
Leigh Tesfatsion. Agent-based computational economics: Modeling economies as complex adaptive systems. Information Sciences, 149:263–269, 2003.
M. Eriksson, M. Armendariz, O. Vasilenko, A. Saleem, and L. Nordstrom. Multi-agent based distribution automation solution for self-healing grids. Industrial Electronics, IEEE Transactions on, PP(99):1–1, 2015.
Michael Main. The winbgim library - borland bgi graphics and mouse for windows applications. website: http://winbgim.codecutter.org/, February 2016.
N. Spanoudakis and P. Moraitis. Engineering ambient intelligence systems using agent technology. Intelligent Systems, IEEE, PP(99):1–1, 2015.
Nadine Schieritz and Peter M. Milling. Modeling the forest or modeling the trees a comparison of system dynamics and agent-based simulation. In Proceedings of the 21st International Conference of the System Dynamics Society, 2003.
Rafael C. Gonzalez and Richard E. Woods. Digital image processing. Prentice Hall, 2008.
Richard Dawkins. O Maior Espetaculo da Terra - As Evidencias da Evolucao. Companhia das Letras, Sao Paulo, 2009.
S.J. Russell and P. Norvig. Artificial Intelligence: A Modern Approach. Prentice Hall series in artificial intelligence. Prentice Hall, 2010.
Steven F. Railsback, Steven L. Lytinen, and Stephen K. Jackson. Agent-based simulation platforms: Review and development recommendations. Simulation, 82(9):609–623, September 2006.
Steven L. Lytinen and Steven F. Railsback. The evolution of agent-based simulation platforms: A review of netlogo 5.0 and relogo. In Proceedings of the 4th international symposium on agent-based modeling and simulation (21st European Meeting on Cybernetics and Systems Research [EMCSR 2012, 2012.