사육용 닭에서 메티오닌, 라이신 및 트레오닌의 영양 요구량 추정을 위한 바람직성 함수에 대한 반응 표면 및 신경망 모델 최적화

모델의 최적화 알고리즘은 가금류 기업의 영양 요구 사항에 대한 최종 최적 값에 중요한 영향을 미칠 수 있습니다. 가금류 영양에서 식이 필수 영양소의 최적 값은 사료 비용을 최소화하고 조류의 성과를 극대화하기 위해 사료 배합에 매우 중요합니다. 이 연구는 반응 표면 방법론(RSM)과 인공 신경망(ANN)을 기반으로 한 조류 반응 모델 최적화를 위한 새로운 다중 목표 알고리즘인 바람직성 함수를 도입하기 위해 수행되었습니다. 중심 복합 설계(CCD)에서 성장 데이터베이스를 사용하여 RSM 및 ANN 모델을 구축하였고, 3일부터 16일령까지 분석적 접근 방식에서 바람직한 함수를 사용하여 라이신, 메티오닌 및 트레오닌을 포함한 3가지 필수 아미노산의 최적 값을 재평가하였습니다. 다중 목표 최적화 결과 ANN 기반 모델(D = 0.99)에 대해 가장 바람직한 함수가 얻어졌으며, 최대 바람직성을 위한 소화 가능한 라이신(dLys), 소화 가능한 메티오닌(dMet) 및 소화 가능한 트레오닌(dThr)의 최적 수준은 각각 13.2, 5.0 및 8.3 g/kg의 식단으로 나타났습니다. 그러나 RSM 기반 모델에서 dLys, dMet 및 dThr의 최적 수준은 각각 11.2, 5.4 및 7.6 g/kg의 식단으로 추정되었습니다. 이 연구는 다중 목표 최적화 알고리즘인 바람직성 함수를 활용한 ANN의 적용이 부분 사실적 실험에서 식이 아미노산 최적화에 유용한 도구가 될 수 있음을 문서화하였으며, 글로벌 바람직성 함수의 사용이 RSM 모델로 인한 식이 아미노산의 과소 추정 문제를 극복할 수 있을 것임을 시사합니다.