Use of artificial genetic algorithm for genetic improvement of cattle in Angola
Barra lateral del artículo
Contenido principal del artículo
Resumen
The general objective of this work is to use the artificial genetic algorithm as a tool for the genetic improvement of cattle in Angola.The use of this tool for genetic improvement of cattle aims to increase meat and milk production through the selection and crossing of animals with desirable characteristics.The Angolan government has invested in livestock development programs, including cattle restocking and genetic improvement.Genetic improvement of livestock in Angola, as in other regions, seeks to improve the genetic characteristics of animals to increase the production of meat, milk, or other desired characteristics, such as precocity and meat quality. This is done through the selection of animals with good characteristics, the use of techniques such as artificial insemination, and the management of herds to ensure genetic evolution over time. Thus, genetic improvement has contributed not only to generating a more productive and precocious animal, but also to gain resistance to adverse environments, diseases and parasites.The results demonstrate that artificial insemination has been the most successful and effective reproduction biotechnology in animal production in Angola, being responsible for genetic increase rates in dairy farming of around 1.0 to 1.5%.It has revolutionized the commercial dairy cattle population in recent years, allowing the dissemination of superior genotypes on a large scale.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Citas
BARUSELLI, P.S.: “Evolução da inseminação artificial em fêmeas bovinas de corte e de leite no Brasil”, Boletim eletônico do Departamento de Reprodução Animal/FMVZ/USP, 4, 2020.
BARUSELLI, P.S.; CATUSSI, B.L.C.; ABREU, L.Â. de; ELLIFF, F.M.; SILVA, L. da G. da; BATISTA, E.S.; CREPALDI, G.A.: “Evolução e perspectivas da inseminação artificial em bovinos”, Revista Brasileira de Reprodução Animal, 43(2): 308-314, 2019.
BURKHART, M.C.; RUIZ, G.: “Neuroevolutionary representations for learning heterogeneous treatment effects”, Journal of Computational Science, 71: 102054, 2023, ISSN: 1877-7503.
DE CARVALHO, B.C.; CHITITTI, G.M.; IMBELLONI, J.C.G.: Inseminação artificial em gado bovino,[en línea], 2021, Disponible en:https://sistemafamato.org.br/senarmt/wp-content/uploads/sites/2/2023/08/Cartilha-84-MT-Inseminacao-Artificial-em-Bovinos.pdf.
FERREIRA, A.M.; FERREIRA DE SÁ, W.; VIANA, J.H.M.; CAMAGO, L.S.A.: Inseminação artificialem gado bovino, [en línea], Inst. Portal Embrapa recursos genéticos e biotecnologia e gado de leite, 2021, Disponible en:https://www.embrapa.br/agencia-de-informacao/.
GERGES, F.; ZOUEIN, G.; AZAR, D.: “Genetic algorithms with local optima handling to solve sudoku puzzles”, En: Proceedings of the 2018 international conference on computing and artificial intelligence, pp. 19-22, 2018.
JANSEN, T.; WEYLAND, D.: “Analysis of evolutionary algorithms for the longest common subsequence problem”, En: Proceedings of the 9th annual conference on Genetic and evolutionary computation, pp. 939-946, 2007.
LARSON, G.; FULLER, D.Q.: “The evolution of animal domestication”, Annual review of ecology, evolution, and systematics, 45(1): 115-136, 2014, ISSN: 1543-592X.
LUQUE-RODRIGUEZ, M.; MOLINA-BAENA, J.; JIMENEZ-VILCHEZ, A.; ARAUZO-AZOFRA, A.: “Initialization of feature selection search for classification”, Journal of Artificial Intelligence Research, 75: 953-983, 2022, ISSN: 1076-9757.
MINAGRIF: Melhoramento genético do gado bovino, [en línea], Inst. Ministério de agricultura e florestas. Orgão oficial da Republica de Angola., Luanda, Angola, 2021, Disponible en:https://faolex.fao.org/docs/pdf/ang215085.pdf.
PÉTROWSKI, A.; BEN-HAMIDA, S.: Evolutionary algorithms, Ed. John Wiley & Sons, vol. 9, 2017, ISBN: 1-84821-804-4.
POULSON, L.J.J.: Formação e desenvolvimento do sistema agroalimentar do milho na província do Huambo/Angola, Ed. Universidade Regional de Blumenau (Brazil), 2024, ISBN: 979-8-3103-4446-4.
ROSA, A. do N.; MARTINS, E.N.; MENEZES, G.R. de O.; SILVA, L.O.C. da: Melhoramento genético aplicado em gado de corte: Programa Geneplus-Embrapa, Ed. Embrapa, 2013, ISBN: 85-7035-256-5.
TAVARES, J.; MACHADO, P.; CARDOSO, A.; PEREIRA, F.B.; COSTA, E.: “On the evolution of evolutionary algorithms”, En: European Conference on Genetic Programming, Ed. Springer, pp. 389-398, 2004.
TOMOIAGĂ, B.; CHINDRIŞ, M.; SUMPER, A.; SUDRIA-ANDREU, A.; VILLAFAFILA-ROBLES, R.: “Pareto optimal reconfiguration of power distribution systems using a genetic algorithm based on NSGA-II”, Energies, 6(3): 1439-1455, 2013, ISSN: 1996-1073.
WEIBLEN, R.; NOGUEIRA, A.: Melhoramento genético animal 2., Porto Alegre: Editora da UFRGS, 2015.
ZART, A.L.; NICACIO, A.C.; DO GITO, A.A.; GONDO, A.; SOUZA., A.: Melhoramento genético aplicado em gado de corte: Programa Geneplus-Embrapa, Ed. Embrapa, editores técnicos: António do Nascimento Rosa [et al]. ed., Brasília, DF : Embrapa, 256 p., 2013, ISBN: 978-85-7035-256-9.