Meta-Heuristic Optimization-Based Model for Animal Ration Preparation

Year 2022, Volume: 18 Issue: 2, 97 - 104, 31.12.2022

Muhammed Milani , Bahar Milani

Abstract

Preparing animal ration is one of the most important things in animal farming. From the economic and productivity perspective, appropriate feeding of animals can significantly increase a livestock unit's productivity. It is worth mentioning that preparing a suitable ration depends on accurately estimating the animal's requirements. Much research has been done in the field of calculating the needs of animals. However, after obtaining the needs of the animal, ration preparation can be considered an NP problem due to the presence of various parameters and many states. Various methods have been proposed in the field of ration production. In this article, we have presented a method for preparing animal rations using collective intelligence optimization. Using these methods can create much more suitable rations based on the requirements of animals.

Keywords

Animal Farming, Ration, Livestock, NP problem, Intelligence optimization

Supporting Institution

TÜBİTAK-ARDEB

Project Number

121E098

Meta-Sezgisel Optimizasyon Yöntemlerine Dayalı bir Rasyon Hazırlama Modeli

Abstract

Hayvancılıkta en önemli unsurlerden biri hayvan rasyonunun hazırlanmasıdır. Ekonomik ve üretkenlik açısından, hayvanların uygun şekilde beslenmesi, bir besicilik biriminin verimliliğini önemli ölçüde artırabilir. Uygun bir rasyon hazırlamanın, hayvanın gereksinimlerinin doğru bir şekilde tahmin edilmesine bağlı olduğunu belirtmektedir. Hayvanların ihtiyaçlarının hesaplanması alanında pek çok araştırma yapılmıştır. Ancak hayvanın ihtiyaçları karşılandıktan sonra çeşitli parametrelerin ve birçok durumun varlığından dolayı rasyon hazırlama bir NP problemi olarak değerlendirilebilir. Rasyon üretimi alanında çeşitli yöntemler önerilmiştir. Bu yazıda, sürü zekâ optimizasyonu kullanarak hayvan rasyonları hazırlamak için bir yöntem sunulmaktadır. Bu yöntemleri kullanarak hayvanların ihtiyaçlarına göre çok daha uygun rasyonlar oluşturulabilir.

Keywords

Hayvan Yetiştiriciliği, Rasyon, Besicilik, NP problemi, Sürü zeka optimizasyonu

Project Number

121E098

References

• PIÇAK, C. A. M., & PIÇAK, M. (2007). GAP BÖLGESİNDE HAYVANCILIĞIN GELİŞİMİ VE TÜRKİYE İÇİNDEKİ KONUMU. Elektronik Sosyal Bilimler Dergisi, 6(22), 13-37.
• Gülsün, B., & Pınar, M. İ. Ç. (2018). RASYON HAZIRLAMADA TEMEL YEM MİKTARLARININ EKONOMİK OLARAK BELİRLENMESİ İÇİN ÇOK AMAÇLI PROGRAMLAMA YAKLAŞIMI. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 7(2), 634-648.
• Nabasirye .M, Mugisha J.Y, Tibayungwa .F & Kyarisiima. C., (2011). Optimization of input in animal production: A linear programing approach to the ration formulation problem. “International Research Journal of Agricultural Science and Soil Science” vol. (1),7 221-226
• Zhang F & Roush W.B (2002). Multiple. Objective goal programing model for feed formulation: An example for reducing nutrient variation. Poultry science Association Inc.18,182- 192.
• Özgen, H. (1986). Hayvan besleme. Selçuk Üniversitesi.
• KARSLI, M. A., & Şevket, E. V. C. İ. (2018). Buzağı Kayıplarının Önlenmesinde İnek ve Buzağı Beslemesinin Önemi. Lalahan Hayvancılık Araştırma Enstitüsü Dergisi, 58(3), 23-34.
• Mehmood, M. U., Chun, D., Han, H., Jeon, G., & Chen, K. (2019). A review of the applications of artificial intelligence and big data to buildings for energy-efficiency and a comfortable indoor living environment. Energy and Buildings, 202, 109383.
• Abduljabbar, R., Dia, H., Liyanage, S., & Bagloee, S. A. (2019). Applications of artificial intelligence in transport: An overview. Sustainability, 11(1), 189.
• Paul, S., Maindarkar, M., Saxena, S., Saba, L., Turk, M., Kalra, M., ... & Suri, J. S. (2022). Bias investigation in artificial intelligence systems for early detection of parkinson’s disease: a narrative review. Diagnostics, 12(1), 166.
• Ibrahim, K. S. M. H., Huang, Y. F., Ahmed, A. N., Koo, C. H., & El-Shafie, A. (2022). A review of the hybrid artificial intelligence and optimization modelling of hydrological streamflow forecasting. Alexandria Engineering Journal, 61(1), 279-303.
• Roni, M., Karim, H., Rana, M. S., Pota, H. R., Hasan, M., & Hussain, M. (2022). Recent trends in bio-inspired meta-heuristic optimization techniques in control applications for electrical systems: A review. International Journal of Dynamics and Control, 1-13.
• Rodríguez-Molina, A., Mezura-Montes, E., Villarreal-Cervantes, M. G., & Aldape-Pérez, M. (2020). Multi-objective meta-heuristic optimization in intelligent control: A survey on the controller tuning problem. Applied Soft Computing, 93, 106342.
• Coşkun, A. (2007). Yapay zeka optimizasyon teknikleri: literatür değerlendirmesi. Fırat Üniversitesi Doğu Araştırmaları Dergisi, 5(2), 142-146.
• Akyol, S., & Alataş, B. (2012). Güncel sürü zekası optamizasyon algoritmaları. Nevşehir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 1(1).
• Kutlu, H. R., Görgülü, M., & Çelik, L. B. (2005). Genel hayvan besleme ders notu. Çukurova Üniversitesi Ziraat Fakültesi Zootekni Bölümü Yemler ve Hayvan Besleme Anabilim Dalı, Adana, 23, 24.
• Gül, A., & Görgülü, M. (1997). En Düşük Maliyetli Rasyon Hazirlamada Excel Çözümü.