دانلود مقاله و خرید ترجمه:بهینه سازی بهره ی اثر ژنتیک اجتماعی تحت کنترل نژاد با استفاده از الگوریتم ژنتیک - 2016
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

مقالات ترجمه شده الگوریتم ژنتیک ( Genetic Algorithm )
  • Optimizing the gain of social genetic effect under the control of inbreeding using genetic algorithm بهینه سازی بهره ی اثر ژنتیک اجتماعی تحت کنترل نژاد با استفاده از الگوریتم ژنتیک
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    دسته بندی:

    الگوریتم ژنتیک - Genetic Algorithm


    سال انتشار:

    2016


    ترجمه فارسی عنوان مقاله:

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


    عنوان انگلیسی مقاله:

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


    منبع:

    Sciencedirect - Elsevier - Livestock Science 190 (2016) 70–75


    نویسنده:

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


    چکیده انگلیسی:

    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 (SBLUPþGA1, SBLUPþGA2) 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 SBLUPþGA1, only the contributions of sires were optimized. In SBLUPþGA2, the contributions of sires and dams were optimized together. The results showed SBLUPþGA1 and SBLUPþGA2 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 SBLUPþGA1 were actually improved 3.59%, 10.02% and 4.32% relative to SBLUP, respectively. In SBLUPþGA2, they were 1.28%, 10.00% and 2.02%, respectively. SBLUPþGA2 resulted in lower inbreeding rate, but, obtained slightly less genetic gain than SBLUPþGA1.
    Keywords: Blup | Genetic algorithm | Inbreeding | Optimization | Social genetic effect


    چکیده فارسی:

    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 18.52 درصد و 25.93٪ 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 3.59٪، 10.02٪ و 4.32٪ نسبت به SBLUP بود. در SBLUP+GA2، به ترتیب 1.28٪، 10.00٪ و 2.02٪ 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 | بهينه سازي | اثر ژنتیک اجتماعی


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 6
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 18

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 370 کیلوبایت


    قیمت: 34320 تومان   


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 3495 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 3495 :::::::: افراد آنلاین: 73