.png){kind=icon}
返回
robustocs: robust optimal contribution selection
.png){kind=icon}
OA
AI
DOI：10.1093/bioinformatics/btag569.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
最优贡献选择（OCS）是一种选择性育种方法，通过管理遗传变异向遗传增益的转化，以促进育种计划的短期竞争力和长期可持续性。传统的OCS和截断选择（TS）方法依赖于育种值的估计，并未明确考虑这些估计的不确定性。本研究采用鲁棒优化的概念，构建了鲁棒最优贡献选择问题（ROCS），并基于锥优化和序列二次规划开发了两种解决方案。我们通过robustocs Python软件包实现了这些方法，该软件包利用了Gurobi和HiGHS求解器。结果表明，使用HiGHS求解器的序列二次规划求解ROCS问题时表现优异。我们证明，传统的TS和OCS是鲁棒选择公式（RTS和ROCS）的特殊情况。我们通过一个示例展示了该软件包，比较了TS、RTS、OCS和ROCS的输出结果。与TS和OCS相比，RTS和ROCS找到的贡献降低了遗传增益和群体亲缘关系的不确定性，但以遗传增益的减少为代价。
期刊
IF:
5.4
论文数:
1.3K
被引数:
17.9W
机构
引用论文
A sampling method for estimating the accuracy of predicted breeding values in genetic evaluation
OAAI
OAAI分享收藏A Simple Method for Computing the Inverse of a Numerator Relationship Matrix Used in Prediction of Breeding Values.png)
Biometrics
BiometricsIF0
PREAI
分享收藏 没有更多内容
没有更多内容