On the problem of compensatory mating in animal breeding
Resumo
O melhoramento animal depende de dois processos para atingir seus objetivos: os sistemas de seleção e de acasalamento. Os sistemas de acasalamento estabelecem um plano específico para atingir um ou mais objetivos de produção, que muitas vezes incluem a melhora da saúde do rebanho e a maximização dos ganhos financeiros nos sistemas de produção animal. O acasalamento compensatório é uma estratégia para produzir animais com características de seleção mais homogêneas, descartando a produção de animais excepcionais em favor de um rebanho mais equilibrado. Este artigo define e investiga a classe de complexidade do problema de acasalamento compensatório ótimo, provando que um algoritmo de tempo polinomial pode resolvê-lo.
Palavras-chave:
Optimization, Complexity
Referências
Arora, S. and Barak, B. (2009). Computational Complexity: a Modern Approach. Cambridge University Press, Cambridge, UK.
Barreto Neto, A. D. et al. (2014). Estrutura populacional e otimização de esquemas de acasalamento em ovinos com uso de algoritmos evolucionários.
Cardoso, F. (2009). Ferramentas e estratégias para o melhoramento genético de bovinos de corte. Embrapa Pecuária Sul-Documentos (INFOTECA-E).
Carvalheiro, R., Queiroz, S. A. d., and Kinghorn, B. (2010). Optimum contribution selection using differential evolution. Revista Brasileira de Zootecnia, 39(7):1429–1436.
Carvalho, T., Santos, N., Lira, W., Oliveira, P. A., Neto, P. S., Lindenberg, J., and Rabêlo, R. (2016). Um sistema de informação para melhoramento genético de caprinos e ovinos. In Anais Principais do XII Simpósio Brasileiro de Sistemas de Informação, pages 100–107. SBC.
Charlesworth, D. and Willis, J. H. (2009). The genetics of inbreeding depression. Nature Reviews Genetics, 10:783–796.
da Fontoura, D. C. N., Camargo, S. S., de Almeida Torres Junior, R. A., Carvalho, H. G., and Cardoso, F. F. (2020). Optimizing mate selection: a genetic algorithm approach. In Proceedings of the ICAR Conference, ICAR Technical Series no. 24 - NEW TRAITS AND ADDING VALUE TO THE RECORDING AND ID SERVICES IN THE ANIMAL PRODUCTION, Prague, CZ.
Dunne, F. L., Evans, R. D., Kelleher, M. M., Walsh, S. W., and Berry, D. P. (2021). Formulation of a decision support tool incorporating both genetic and non-genetic effects to rank young growing cattle on expected market value. Animal, 15:100077.
Eler, J. P. (2017). Teorias e métodos em melhoramento genético animal: sistemas de acasalamento. Faculdade de Zootecnia e Engenharia de Alimentos da USP.
Falconer, D. S. and Mackay, T. F. C. (1996). Introduction to Quantitative Genetics. Longman Group Ltd., Harlow, 4 edition.
Ferreira, A. P. L., Yokoo, M. J.-I., and Motta, B. E. T. (2021). On the problem of optimal mating in animal breeding. In Simposio Latinoamericano de Teoría Computacional, Proceedings of the XLVII Conferencia Latinoamericana de Informática (CLEI 2021) (to be pulished in IEEE Xplore), San José, Costa Rica.
Garey, M. R. and Johnson, D. S. (1979). Computers and Intractability: A Guide to the Theory of NP-Completeness (Series of Books in the Mathematical Sciences). W. H. Freeman, 1st edition.
Kinghorn, B. P. (2011). An algorithm for efficient constrained mate selection. Genetics Selection Evolution, 43(1):4.
Kuhn, H.W. (1955). The Hungarian method for the assignment problem. Naval Research Logistics Quarterly, 2:83–97.
Mi, M. P., Chapman, A. R., and Tyler,W. J. (1965). Effect of mating system on production traits in dairy cattle. J. Dairy Sci., 48:77–84.
Munkres, J. (1957). Algorithms for the assignment and transportation problems. Journal of the Society for Industrial and Applied Mathematics, 5(1):32–38.
Nayeri, S., Sargolzaei, M., and Tulpan, D. (2021). A review of traditional and machine learning methods applied to animal breeding. Animal Health Research Reviews, 20:31–46.
Ramshaw, L. and Tarjan, R. E. (2012). On minimum-cost assignments in unbalanced bipartite graphs. Technical Report HPL-2012-40.
Simões, M. R. S., Leal, J. J. B., Minho, A. P., Gomes, C. C., MacNeil, M. D., Costa, R. F., Junqueira, V. S., Schmidt, P. I., Cardoso, F. F., Boligon, A. A., and Yokoo, M. J. (2020). Breeding objectives of brangus cattle in brazil. Journal of Animal Breeding and Genetics, 137(2):177–188.
Weigel, K. A., VanRaden, P. M., Norman, H. D., and Grosu, H. (2017). A 100-year review: Methods and impact of genetic selection in dairy cattle—from daughter–dam comparisons to deep learning algorithms. J. Dairy Sci., 100(12):10234–10250.
Yokoo, M. J.-I., de Oliveira Seno, L., Oliveira, L. C., da Costa, P. U., da Silva, G. M., Suñé, R. W., and Cardoso, F. F. (2019). Economic selection index in small rural dairy farms. The Journal of Dairy Research, 86(1):25–33.
Barreto Neto, A. D. et al. (2014). Estrutura populacional e otimização de esquemas de acasalamento em ovinos com uso de algoritmos evolucionários.
Cardoso, F. (2009). Ferramentas e estratégias para o melhoramento genético de bovinos de corte. Embrapa Pecuária Sul-Documentos (INFOTECA-E).
Carvalheiro, R., Queiroz, S. A. d., and Kinghorn, B. (2010). Optimum contribution selection using differential evolution. Revista Brasileira de Zootecnia, 39(7):1429–1436.
Carvalho, T., Santos, N., Lira, W., Oliveira, P. A., Neto, P. S., Lindenberg, J., and Rabêlo, R. (2016). Um sistema de informação para melhoramento genético de caprinos e ovinos. In Anais Principais do XII Simpósio Brasileiro de Sistemas de Informação, pages 100–107. SBC.
Charlesworth, D. and Willis, J. H. (2009). The genetics of inbreeding depression. Nature Reviews Genetics, 10:783–796.
da Fontoura, D. C. N., Camargo, S. S., de Almeida Torres Junior, R. A., Carvalho, H. G., and Cardoso, F. F. (2020). Optimizing mate selection: a genetic algorithm approach. In Proceedings of the ICAR Conference, ICAR Technical Series no. 24 - NEW TRAITS AND ADDING VALUE TO THE RECORDING AND ID SERVICES IN THE ANIMAL PRODUCTION, Prague, CZ.
Dunne, F. L., Evans, R. D., Kelleher, M. M., Walsh, S. W., and Berry, D. P. (2021). Formulation of a decision support tool incorporating both genetic and non-genetic effects to rank young growing cattle on expected market value. Animal, 15:100077.
Eler, J. P. (2017). Teorias e métodos em melhoramento genético animal: sistemas de acasalamento. Faculdade de Zootecnia e Engenharia de Alimentos da USP.
Falconer, D. S. and Mackay, T. F. C. (1996). Introduction to Quantitative Genetics. Longman Group Ltd., Harlow, 4 edition.
Ferreira, A. P. L., Yokoo, M. J.-I., and Motta, B. E. T. (2021). On the problem of optimal mating in animal breeding. In Simposio Latinoamericano de Teoría Computacional, Proceedings of the XLVII Conferencia Latinoamericana de Informática (CLEI 2021) (to be pulished in IEEE Xplore), San José, Costa Rica.
Garey, M. R. and Johnson, D. S. (1979). Computers and Intractability: A Guide to the Theory of NP-Completeness (Series of Books in the Mathematical Sciences). W. H. Freeman, 1st edition.
Kinghorn, B. P. (2011). An algorithm for efficient constrained mate selection. Genetics Selection Evolution, 43(1):4.
Kuhn, H.W. (1955). The Hungarian method for the assignment problem. Naval Research Logistics Quarterly, 2:83–97.
Mi, M. P., Chapman, A. R., and Tyler,W. J. (1965). Effect of mating system on production traits in dairy cattle. J. Dairy Sci., 48:77–84.
Munkres, J. (1957). Algorithms for the assignment and transportation problems. Journal of the Society for Industrial and Applied Mathematics, 5(1):32–38.
Nayeri, S., Sargolzaei, M., and Tulpan, D. (2021). A review of traditional and machine learning methods applied to animal breeding. Animal Health Research Reviews, 20:31–46.
Ramshaw, L. and Tarjan, R. E. (2012). On minimum-cost assignments in unbalanced bipartite graphs. Technical Report HPL-2012-40.
Simões, M. R. S., Leal, J. J. B., Minho, A. P., Gomes, C. C., MacNeil, M. D., Costa, R. F., Junqueira, V. S., Schmidt, P. I., Cardoso, F. F., Boligon, A. A., and Yokoo, M. J. (2020). Breeding objectives of brangus cattle in brazil. Journal of Animal Breeding and Genetics, 137(2):177–188.
Weigel, K. A., VanRaden, P. M., Norman, H. D., and Grosu, H. (2017). A 100-year review: Methods and impact of genetic selection in dairy cattle—from daughter–dam comparisons to deep learning algorithms. J. Dairy Sci., 100(12):10234–10250.
Yokoo, M. J.-I., de Oliveira Seno, L., Oliveira, L. C., da Costa, P. U., da Silva, G. M., Suñé, R. W., and Cardoso, F. F. (2019). Economic selection index in small rural dairy farms. The Journal of Dairy Research, 86(1):25–33.
Publicado
17/11/2021
Como Citar
FERREIRA, Ana Paula Lüdtke.
On the problem of compensatory mating in animal breeding. In: WORKSHOP-ESCOLA DE INFORMÁTICA TEÓRICA (WEIT), 6. , 2021, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 96-103.
DOI: https://doi.org/10.5753/weit.2021.18928.
