Dos desvios das médias dos grupos contemporâneos aos modelos animais

O objetivo deste trabalho foi apresentar a reparametrização de um modelo de desvios das médias dos grupos contemporâneos até um modelo animal não-restrito (equações dos modelos mistos de Lush - EMML). Aplicando restrições sobre as EMML, foi obtido o modelo animal segundo Henderson (equações dos modelos mistos de Henderson - EMMH). Para obter as EMMH, restrições do tipo X'A-1λ aH = 0 foram impostas e estas geraram a necessidade de pressuposições fortes, como ausência de seleção, para que as propriedades das EMMH pudessem ser provadas. Para diferentes situações examinadas, as restrições foram confirmadas. O somatório destas restrições pode ser erroneamente interpretado como propriedade das soluções de um modelo animal de que os animais-base tenham a soma dos seus valores genéticos igual a zero.

Genetic parameter estimates for buffalo milk yield, milk quality and mozzarella production and Bayesian inference analysis of their relationships

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Transmission system expansion planning by an extended genetic algorithm

The paper presents an extended genetic algorithm for solving the optimal transmission network expansion planning problem. Two main improvements have been introduced in the genetic algorithm: (a) initial population obtained by conventional optimisation based methods; (b) mutation approach inspired in the simulated annealing technique, the proposed method is general in the sense that it does not assume any particular property of the problem being solved, such as linearity or convexity. Excellent performance is reported in the test results section of the paper for a difficult large-scale real-life problem: a substantial reduction in investment costs has been obtained with regard to previous solutions obtained via conventional optimisation methods and simulated annealing algorithms; statistical comparison procedures have been employed in benchmarking different versions of the genetic algorithm and simulated annealing methods.