JP2001178374A - 飼料の多目的配合設計方法 - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】 家畜，家禽および養殖魚などの単一又は複数
飼料の与えられた栄養成分や飼料原料などの制約条件の
もとで，当該飼料を給餌された家畜などの仕上がり肉質
の最大（良）化、最適化を計る配合設計方法を提供す
る。 【解決手段】 各栄養組成・栄養価の制約式ならびに飼
料原料コストや仕上り肉質など複数の目的関数の式を作
成する一方，各飼料原料の配合率を遺伝子としてコンピ
ュータのアレイメモリ上にコーデイングし，設計の始め
の段階でこの様な生物個体（染色体）の集団（初期個体
集団）を乱数で作成するとともに，交叉および突然変異
などの遺伝的オペレータのはたらきにより目的関数を最
小（大）とする各飼料原料の配合率の最適解を世代交代
を進めながら求めていく遺伝的アルゴリズムを階層的に
組み合わせ，複数の目的関数を同時並行的に最小（大）
化する各飼料原料の配合率を最適解として求めていく。

Description

【発明の詳細な説明】

【００１】

【発明の属する技術分野】本発明は，ブタ，ウシ，ニワ
トリおよびハマチやブリといった家畜，家禽および養殖
魚などの飼料の配合設計において，与えられた栄養組成
・栄養価や飼料原料の制約条件のもとで飼料原料コスト
の最小化，配合飼料のもつ機能の最大化，肉質の最良化
などを計る設計方法に関する。さらに，詳細には日本飼
養標準，ＮＲＣ飼養標準等に示される栄養成分や飼料原
料成分の制約条件をもとに，各飼料原料の単価に基づく
飼料原料コスト，配合飼料のもつ機能および当該飼料を
給餌された家畜，家禽，養殖魚などの肥育後の仕上がり
肉質，あるいは複数配合飼料の同時最適配合設計におけ
る各飼料の原料コストなどといった複数の目的関数を同
時並行的に最小あるいは最大（良）とする飼料の多目的
最適配合設計方法に関するものである。

【００２】

【従来の技術】近年，家畜や家禽の配合飼料の設計にお
いて，必要にして十分な栄養素を供給しかつ最も安価な
飼料を得るため，線形計画法（以下ＬＰと略記する）を
援用したコンピュータによる配合計算が行われている。
しかし，例えばブロイラーの発育と飼料エネルギーおよ
びタンパク質含有率との関係は２次曲面で示されること
が知られているように，一般に飼料成分の変化の範囲を
広く設定した場合は，飼料成分に対する家畜や家禽の体
重の増加は非線形となり，飼料価格と成分の関係も非線
形となる。したがって，ブロイラーを例にとってみると
配合設計コストを最小とし売上利益を最大とする配合率
は曲線的に変化する。このように，配合飼料中の各栄養
素の制約条件や各飼料原料の単価に基づく飼料原料コス
トの計算条件が非線形である場合の配合設計に対してＬ
Ｐの援用は不適当である。

【００３】さらに，近年，配合飼料の高機能化により混
ぜ合わせる飼料原料の数が増えてくると，必然的に制約
条件が多くなるとともに厳密になる傾向にあり，ＬＰに
よる配合設計に際して全ての条件を満たすとともに飼料
原料コストを最小とする最適解を得ることが困難となっ
ており，飼料原料の配合制約条件に対して熟練の技術者
の経験に基づく修正がその都度加えられている。

【００４】また，一種の配合飼料のみを設計対象とし，
その飼料原料コストを最小とする配合率の最適設計に留
まらず，複数の配合飼料を同時に設計対象とするととも
に，各々の配合設計において相競合する飼料原料コスト
などの同時並行的な最適化を可能とする総合的な配合設
計に対するニーズも高まってきている。この問題に対し
て，多目的線形計画法（以下ＭＯＬＰと略記する）を援
用した配合設計が試みられているものの，複数個設定す
る配合原料コストなどの全ての目的関数を同時に最小と
する完全最適解は一般にＭＯＬＰでは存在しない。この
ため完全最適解の代わりに消極的な解として，ある目的
関数の値を改善するためには，少なくとも他の一つの目
的関数の値を改悪するいわゆるトレード・オフの概念を
取り入れたパレート最適解をもって配合設計結果として
おり，実際の設計現場における援用までには至っていな
い。

【００５】

【発明が解決しようとする課題】以上のように，近年，
家畜，家禽および養殖魚の配合飼料の設計においては，
ＬＰやＭＯＬＰを援用した最適設計法が適用されるか，
または試みられている。しかし，ＬＰによる設計法は単
一配合飼料の一つの目的関数の最適設計を目的とし，非
線形の制約条件や目的関数を組み込むことの出来ない設
計法である一方，ＭＯＬＰによる設計法は飼料原料コス
トをはじめとした複数の目的関数の同時最適化を目指し
てはいるものの，トレード・オフの概念を取り入れたパ
レート最適解をもって配合設計結果としており，完全最
適解を得るまでには至っていないのが現状である。

【００６】一方，配合設計の現場においては実用的な配
合設計として，非線形の制約条件や目的関数を設計に組
み込むことが出来るとともに，多種類の目的関数の最小
化や最大（良）化を可能とする最適設計，あるいは複数
の配合飼料を対象とした同時並行的な最適設計にも柔軟
に対応できる新しい配合設計アルゴリズムの開発が求め
られていた。例えば成鶏用，豚肥育用および牛肥育用な
どといった複数の異なる配合飼料の完全同時最適配合設
計を目的として，共通に使用する原料数量になどに制約
がある場合でも，栄養素などの条件を満たしつつ，各飼
料毎かつ設計全体で最も安価に製品ができるように各配
合飼料への各飼料原料の最適配分を実現するような総合
的な最適配合設計法の開発が求められていた。

【００７】

【課題を解決するための手段】本発明は，家畜，家禽お
よび養殖魚などの飼料の与えられた栄養成分や飼料原料
の制約条件のもとで飼料原料コスト，配合飼料のもつ機
能，仕上がり肉質などの最小（大）化を計る設計方法に
おいて，各栄養組成・栄養価および配合率の制約式なら
びに飼料原料コスト，配合飼料のもつ機能，仕上がり肉
質などを示す複数の目的関数を作成する一方，各飼料原
料の配合率を遺伝子としてコンピュータのアレイメモリ
上にコーディングし，設計の始めの段階でこの様な生物
個体（染色体）の集団（初期個体集団）を乱数で作成す
るとともに，交叉および突然変異などの遺伝的オペレー
タを繰り返してかけながら先の複数の目的関数を同時に
最小（大）化する各飼料原料の配合率を最適解として求
めていく方法である。

【００８】本発明は，実用の配合飼料の設計において配
合の制約式や飼料原料コストなどの目的関数が非線形で
ある場合や，制約式の数が多く全ての制約条件を満たす
ことが非常に困難な場合にもコンピュータのソフトウエ
ア上で柔軟に対応できる新しい配合設計アルゴリズムと
して，生物の進化のプロセスとその機能をコンピュータ
のソフトウエア上で模倣した遺伝的アルゴリズム（以下
ＧＡと略記する）を改良・発展させた多目的遺伝的アル
ゴリズム（以下ＭＯＧＡと略記する）を援用し，熟練の
配合設計技術者の経験に近い多目的配合設計を実現する
新配合設計方法を提供するものである。

【００９】最適化問題に対する従来の計算手法，例えば
山登り法などでは，複数の局所最適解をもついわゆる多
峰性問題に対しては，一般的に最適化実行開始時の人為
的に設定される探索開始点などに依存して，一般に一つ
の局所最適解しか求められない。

【０１０】近年，この様な多峰性問題に対して大域的最
適化手法として，生物の進化過程を模倣したＧＡが注目
されてきた。この手法は，一つの解候補だけを対象とせ
ず，解候補の集団を対象として，その集団に生物の進化
法則を適用することにより最適解を得ようとする手法で
ある。

【０１１】ＧＡによる手法において，解候補を個体と呼
び，ランダムに生成された文字列で表す。この様な個体
の集団に対し，選択，交叉，突然変異といった生物の進
化法則的な操作を加える。選択，交叉は探索開始後の早
期に最適解を得るように探索を改善するはたらきがあ
り，また，突然変異は探索点が局所最適解にトラップす
ることを避けるはたらきがある。

【０１２】この手法は，従来のランダム探索法などに比
べ，計算が極めて簡単で，また探索の改善方法を人に伝
えることの出来る共通知識として表現できるという利点
がある。さらに，この手法は大域的探索に有効であり，
すでに多くの応用例が報告されている。

【０１３】ＧＡは，生物進化の過程をモデル化し，工学
的にシミュレーションし，そのメカニズムを解明しよう
とする過程で見いだされた。現在では，生物の遺伝の研
究の他に，この遺伝的アルゴリズムを工業などの他分野
で従来手法では解決が困難であった問題に有効に使える
ことがわかってきた。

【０１４】ＧＡは，生物の進化に習った探索アルゴリズ
ムである。ＧＡは生物進化のメカニズムを工学的にコン
ピュータ上でシミュレートする探索法の一つで，通常，
選択，交叉，突然変異の３つのオペレータをもつ。自然
界においては自然淘汰の原理が働き，環境に適した強い
遺伝子をもった生物が選択され，子孫を遺していく。

【０１５】遺伝子情報をもつ染色体は，２重螺旋構造の
塩基分子である。親から子が生成する場合，染色体の螺
旋は解け，他の染色体と結び付き，新しい個体（子）が
生成される。すなわち，一つの遺伝子が他の遺伝子と結
び付くことによって，新しい別の個体が生まれる。これ
が遺伝子の交叉である。

【０１６】まず問題を遺伝子型に対応するような文字列
に変換する。この文字列が個体を表し，この集団に対し
て遺伝的操作を加えることになる。この個体を表す文字
列を評価し，評価値の高い個体からなる集団を遺すよう
にする。これは自然界における淘汰に対応する。この選
ばれた集団に対して遺伝的オペレータを施すことによっ
て新しい文字列を生成する。

【０１７】基本的なオペレータとしては，二つの文字列
に対して部分的な交換を行うことによって新しい文字列
を生み出す交叉，文字列を複製するときに任意に選択し
た遺伝子座において確率的に遺伝子を変異させる突然変
異などがある。これらの遺伝的オペレータを個体集団に
対して繰り返して掛けることにより，環境に応じた評価
値の高い文字列を生み出し，文字列の集団全体の評価値
を向上させていくものである。

【０１８】以上の説明からも理解されるように，ＧＡを
実際の問題に適用するときには，その問題に合った表
現，操作，あるいはヒューリスティックを導入する必要
がある。単にＧＡを導入しさえすればどんな問題でも簡
単に解けるわけではない。本発明は，遺伝的アルゴリズ
ムをさらに改良・発展させた多目的遺伝的アルゴリズム
を用いて，家畜，家禽および養殖魚などの飼料の多目的
配合設計の最適化問題を解決するものである。

【０１９】

【発明の実施の形態】本発明の多目的遺伝的アルゴリズ
ムによる飼料の多目的配合設計処理の流れを図１に例示
する。以下に，成鶏用，豚肥育用および牛肥育用の３種
の配合飼料の飼料原料コストを同時並行的かつ全飼料に
ついて総合的に最小とする最適設計を例として，具体的
な処理方法を処理の流れに沿って説明する。

【０２０】１）制約式と目的関数の作成 ＭＯＧＡによる本問題の多目的配合設計は，ｍ種類の栄
養組成・栄養価をそれぞれ所要量含むｋ種類の配合飼料
を，それぞれ最小の飼料原料コストで実現するために，
配合するｎ種類の飼料原料各々の配合率を決定するもの
である。この問題は次のように定式化される。

【０２１】ｋ個の線形の目的関数

【０２２】を線形の制約条件 Ａｘ_ｊ ^Ｔ≦ｂ_{ｊｉｍａｘ}およびＡｘ_ｊ ^Ｔ≧ｂ_{ｊｉｍｉｎ} （２）

【０２３】 ０≦ｘ_ｊ，Σ_ｐｘ_ｊｐ＝１（ｉ＝ｌ，…，ｍ），（ｊ＝ｌ，…，ｋ）（３）

【０２４】のもとで同時に最適化する。ここで， ｃ_ｊ＝（ｃ_ｊｌ，…，ｃ_ｊｎ） （４） ｘ_ｊ＝（ｘ_ｊｌ，…，ｘ_ｊｎ） （５）

【０２５】

【０２６】 ｂ_ｊ＝（ｂ_ｊｉ，…，ｂ_ｊｍ）^Ｔ （７）

【０２７】であり，ｚ_ｊは配合飼料の飼料原料コスト，
ｃ_ｊは原材料の単価，ｘ_ｊは飼料原料の配合率，Ａは飼
料原料に含まれる栄養組成または栄養価の含有率，ｂ
_{ｊｉｍａｘ}およびｂ_{ｊｉｍｉｎ}は配合飼料中の栄養組成
・栄養価の最大および最小含有率。また，上付きの添え
字^Ｔは転置を表す。多目的配合設計ミュレーションの始
めに，栄養組成または栄養価の含有率および飼料原料の
配合率に関する制約条件をもとに，上記の線形の不等式
制約と最小化する複数の線形の目的関数を作成する。

【０２８】２）遺伝子型の決定 配合飼料原料の配合率を仮想的な遺伝子とみなし，図２
に示すようにコンピュータのアレイメモリ上に配列変数
すなわち染色体として設定する。この際，遺伝子はバイ
ナリーで表現するのではなく，位取りを変えた５桁まで
の整数で表現する。

【０２９】３）生物個体集団の発生 配合率の制約条件内で，乱数発生に基づくランダム法に
より配合候補の各飼料原料の配合率を任意に複数設定す
るとともに，図２に示すようにアレイメモリ上に染色体
として２次元配列する。すなわち，成鶏用飼料の各原料
の任意の配合率を１次元配列するとともに，続いて豚肥
育用および牛肥育用飼料の各原料の任意の配合率を同列
に連続的に配列する。一方，各配合飼料の上記の仮想染
色体の下に，それぞれランダム法により決定した当該飼
料の複数の配合設計モデルを染色体として２次元配列す
る。この際，ＧＡパラメータである各初期個体群のサイ
ズＰｓは，準備的に実施するシミュレーション結果をも
と設定する。

【０３０】４）目的関数ｚ_ｌ〜ｚ_ｋの評価，配合率ｘ_ｌ
〜ｘ_ｋの交叉および突然変異処理 本事例において同時最小化を目的としている３配合飼料
の各飼料原料コストのように，目的関数が複数ある場合
のＧＡの進め方としては，各目的関数のパラメータであ
る最適解候補の一次元連続配列を一つの染色体と考え，
交叉および突然変異処理ならびにエリート戦略などの遺
伝的オペレータをその染色体全体に対して適用し適応度
ｆｉを求める方法も考えられる。

【０３１】しかし本事例の場合，この方法を採用すると
染色体が長くなり，世代交代に伴う収束に長時間を要す
ることが想定されることや，本事例の問題は各目的関数
に関与する遺伝子が独立しているという性質があるた
め，まず各目的関数の最適解候補である遺伝子列毎に前
述の遺伝的オペレータを適用し，各目的関数に対する最
適化がある程度進んだ段階で，染色体全体に対する遺伝
的オペレータをかける方式を採用する。これにより探索
空間が狭まり，早期の収束が期待できる。本事例では，
始めに遺伝子として配列した成鶏用飼料の各配合設計モ
デルの飼料原料コストを計算するとともに，配合率の解
（遺伝子）が式（２）の制約条件を越えている割合であ
る罰則値を計算する。罰則値は栄養組成・栄養価の各値
域をどの程度越えているかの割合を数値化するととも
に，次式により各遺伝子列の適応度ｆ_ｉを求める。

【０３２】 ここで，ｃ_ｊｘ_ｊ ^Ｔは成鶏用飼料の飼料原料コスト。

【０３３】次に，得られた適応度をもとに適応度の高い
ものから低いものへと遺伝子列の再配列をアレイメモリ
上で行うとともに，以下の交叉と選択の処理を行う。は
じめに，同じく成鶏用飼料の配合設計モデルの遺伝子群
よりランダムに選択抽出した２つの遺伝子列，親１，親
２の染色体上で，図３に示すようにランダムに交叉点を
１箇所選び，交叉点の右側の２つの親の遺伝子列すなわ
ち飼料原料の配合率を変換し，子１，子２を生成する。
２つの親を選ぶ際，図４に示すように一方の親の適応度
が再配列した個体群の下位１／３以下の場合には，他の
一方の親にはエリート染色体（最も適応度の高い染色
体）を用いる。

【０３４】また，交叉処理のみでは，初期個体群に依存
した高適応度（低配合コスト）の個体を元にしている場
合，進化が十分行われないことが多い。この制限の解除
のため，図３に示すように成鶏用飼料の配合設計モデル
の遺伝子群より規定された確率（突然変異確率）Ｐ_ｍで
ランダムに選択抽出する染色体の一部の遺伝子を，他の
対立遺伝子に置換える突然変異処理を施す。変異点の決
定は一様乱数と正規乱数を組合せる方法で行うととも
に，当該遺伝子座の新しい遺伝子すなわち新規の配合率
を制約範囲内で乱数により決定して置き換える。ＧＡパ
ラメータである突然変異確率Ｐ_ｍは，一般に遺伝子がビ
ットパターンで表示されている場合には小さい値が採用
されているのに対して，遺伝子が実数で表現されている
場合には，同確率は大き目の値が採用されている。本事
例では突然変異確率は１／４である。以上のような処理
を，豚肥育用および牛肥育用飼料の配合設計モデルにつ
いて連続的に行う。

【０３５】５）個体適応度の総合評価 アレイメモリ上で１次元的に連続配列した成鶏用，豚肥
育用および牛肥育用飼料の各配合設計モデルを一つのま
とまった染色体と仮想し，配合設計モデル全体の配合コ
ストを計算するとともに，各銘柄の配合率の解（遺伝
子）が式（２）の制約を越えている割合（罰則値Ｐ
ｅ_２）を計算する。罰則値の計算の後，３銘柄の配合設
計モデル全体の総合評価として仮想染色体の個体適応度
ｆ_ｉを式（８）により求める。ただし，式（８）に示す
飼料原料コストには，配合設計モデル全体の同コスト，
すなわち３配合飼料の各飼料原料コストの合計値を用い
る。

【０３６】６）最適解の判断 ５）で得られた適応度の高い個体から低い個体へと個体
群中の染色体の再配列をアレイメモリ上で行うととも
に，世代交代にともなって収束する個体群中の最大の適
応度や個体群全体の適応度を検討し，３飼料の各飼料原
料の配合率の組合せが最小の飼料原料コストを実現する
最適解であるか否かを判断する。

【０３７】７）交叉および突然変異処理 アレイメモリ上で一つの染色体と仮想した３配合飼料の
１次元連続配列配合設計モデル（個体）群よりランダム
に選択抽出した２つの個体の染色体上で，ランダムに交
叉点を１箇所選び，交叉処理を行う。またこの際，エリ
ート戦略を採用する。次に交叉処理に引き続き，突然変
異確率Ｐ_ｍで個体群よりランダムに選択抽出する染色体
の一部の遺伝子を，他の対立遺伝子に置換える突然変異
処理を施す。本プロセスにおける遺伝子の置換は，４）
で述べた処理と同様にランダム法により行い，突然変異
確率も同じ１／４である。

【０３８】８）１００％調整処理 遺伝子として染色体を構成する３飼料の各配合モデルの
配合率の総計が各々１００％になるように調整する。交
叉や突然変異処理の結果，式（３）が満たされなくなっ
た場合に，染色体の一部の遺伝子を乱数で選択する一
方，式（３）を満たすよう強制的に変更する。以上の処
理プロセスの内，「目的関数ｚ_１の評価」から「１００
％調整処理」までを，多目的配合設計シミュレーション
の開始にあたって生成した初期個体群に対して繰り返し
て実行することにより個体群の世代交代が進み，適応度
の高い個体群へと進化していく。すなわち，３飼料の飼
料原料の配合率や栄養組成・栄養価の制約条件をそれぞ
れ満たしつつ，３飼料の飼料原料コストを各々最小化す
る配合率の解へと収束することとなる。なお，ＧＡによ
る組み合わせ最適化問題の解法に関する他の応用例と同
様に，本事例においても適応度が安定した段階で世代交
代を終了し最適解とする。

【０３９】

【実施例】本発明の実施例として成鶏用，豚肥育用およ
び牛肥育用の３種の配合飼料の完全同時配合設計につい
て説明する。この配合設計においては，現在わが国の配
合飼料の主原料であるコーンをはじめとして，マイロ，
脱脂米ヌカ，コーングルテンフィード，ダイズ油粕，ナ
タネ油粕，魚粉，ミートボーンミール，イエローグリー
ス，ビタミンミネラル添加物（Ｖ．Ｍ），炭酸カルシウ
ムおよび第３リン酸カルシウム等の１２原料を飼料原料
として選択する一方，栄養素（組成・栄養価）として粗
蛋白質（ＣＰ），可消化粗蛋白質（ＤＣＰ），可消化養
分総量（ＴＤＮ），代謝エネルギー（ＭＥ），カルシウ
ムおよびリンの６種を選択した。これら栄養素の含有率
や飼料原料の配合率の制約条件および設定したトン当た
りの飼料原料単価をまとめて以下の表１に示す。表１に
は，成鶏用，豚肥育用および牛肥育用の３銘柄それぞれ
の制約条件を個別に示した。配合率および組成・栄養価
の欄の空欄はフリー（制限無し）を意味している。

【０４０】

【表１】

【０４１】ＭＯＧＡによる飼料の多目的配合設計の事例
として以下の７種の配合設計を行った。 ａ．配合候補の各飼料原料は，３配合飼料への配分にあ
たり十分量が準備されている場合。（シミュレーション
コードＧＡ０，以下同様） ｂ．３配合飼料のコーン使用量をＧＡ０で得られた配合
結果より各々１０％減とする一方，他原料については十
分量が準備されている場合。（ＧＡ１） ｃ．３配合飼料のコーン使用量総計をＧＡ０で得られた
配合結果の１０％減とし，３飼料間でその使用量に関し
て取り合いを認める一方，他原料については十分量が準
備されている場合。（ＧＡ１’） ｄ．３配合飼料のコーングルテンフィード使用量を，成
鶏用飼料では設計飼料２００ｔ中２．５％（５ｔ），豚
肥育用飼料では同飼料１００ｔ中２．５％（２．５
ｔ），牛肥育用飼料では同飼料１００ｔ中５％（５ｔ）
の合計１２．５ｔに固定する一方，他原料については十
分量が準備されている場合。（ＧＡ２） ｅ．３配合飼料のコーングルテンフィード使用量総計を
１２．５トン（設計飼料総計４００トン中）とし，３飼
料間で同使用量に関して取り合いを認める一方，他原料
については十分量が準備されている場合。（ＧＡ２’） ｆ．前記のシミュレーションＧＡ１とＧＡ２の設計条件
を組み合わせて実施した場合。（ＧＡ１２） ｇ．前記のシミュレーションＧＡ１’とＧＡ２’の設計
条件を組み合わせて実施した場合。（ＧＡ１２’）

【０４２】３配合飼料の同時最適配合設計を目的とした
前記７種の設計シミュレーションの結果の内，基本的な
多目的配合設計であるシミュレーションコードＧＡ０，
および配合設計条件を複合化し，やや設計条件が複雑な
同コードＧＡ１２ならびにＧＡ１２’の結果について以
下に述べる。

【０４３】図５に，十分量の各飼料原料が準備されてい
る場合の３配合飼料の同時最適配合設計シミュレーショ
ンの結果，得られた各飼料毎の飼料原料の配合率分布を
示す。同図から明らかなように，成鶏用，豚肥育用およ
び牛肥育用の３配合飼料とも概ねコーン，マイロ，脱脂
米ヌカ，コーングルテンフィードおよびダイズ油粕の５
つの原料で配合量の大半を占め，これらの原料の合計配
合率は８７．３〜９４．８％である。飼料別にみると，
成鶏用飼料ではコーン，マイロ，ダイズ油粕の順で多く
利用され，豚肥育用および牛肥育用飼料ではマイロ，次
いでコーンないしは脱脂米ヌカが多用される。一方，本
シミュレーションにおいては，配合可能な十分量の飼料
原料があること前提条件としているため，３飼料間にお
いて原料の取り合い現象は生じない。

【０４４】この他の原料では，栄養組成の内のカルシウ
ム源として，炭酸カルシウムが１．５〜３％程度配合さ
れている。第３リン酸カルシウムも同様にカルシウム源
として配合候補の主原料であるものの，炭酸カルシウム
に比べてトン当たりコストが約７倍高いため，原料とし
て採用されていない。また，イエローグリースは代謝エ
ネルギー値が最も高い原料であるものの，次にその値が
高いコーンおよびマイロに比べてトン当たりコストが約
３倍高いため，代謝エネルギー源として価格の安価なコ
ーンやマイロが積極的に配合されるのに対して，補足的
原料として用いられる。コーングルテンフィードは，今
回の配合候補原料の内でトン当たりコストが最も安価な
部類の原料であることから，成鶏用および豚肥育用飼料
の設計では配合率の制約上限（５％）まで用いられる。

【０４５】一方，図６に本シミュレーションの結果，得
られた３配合飼料の栄養組成および栄養価の含有率分布
を示す。ただし，同図中の可消化養分総量（ＴＤＮ）値
および代謝エネルギー（ＭＥ）値は，６つの栄養組成・
栄養価の含有率分布を同一図中に示す関係で，ＴＤＮ値
がその１／２の値を，またＭＥ値は１／１００の値で示
している。栄養組成・栄養価の含有率の制約は，成鶏用
飼料で可消化粗蛋白質（ＤＣＰ）およびＴＤＮが制限無
し，豚肥育用および牛肥育用飼料ではＭＥが制限無しで
あるものの，３配合飼料とも概ね同様な含有率分布を示
している。含有率の制限の無い成鶏用飼料のＤＣＰおよ
びＴＤＮは，約１３．８％および約７６．９％であり，
同様に制限の無い豚肥育用および牛肥育用飼料のＭＥは
約２８３０〜２９１０Ｍｃａｌ／ｔである。

【０４６】先に述べた本シミュレーションの結果である
飼料原料の配合率は，配合飼料コストの最小化を命題と
していることもあり制約条件を満たすものの，その上限
や下限値の制約に対して明かな傾向は認められなかっ
た。一方，栄養組成・栄養価の含有率は，家畜・家禽の
成育上必要な栄養成分を供給する関係で，３飼料とも配
合制約条件の式（２）を満たすもののほぼ制約の下限値
を不した。十分量の各飼料原料が準備されている場合の
３配合飼料の同時最適配合設計である本シミュレーショ
ンの配合飼料コストについてみると，設計数量が２００
トンの成鶏用飼料で約５８６．４万円，各々１００トン
の豚肥育用および牛肥育用飼料で約２６４．９万円およ
び約２２６．３万円であり，３銘柄飼料全体では約１０
７７．６万円であった。

【０４７】図７に，特定の飼料原料の飼料毎の使用量に
制限がある場合の３配合飼料の同時最適配合設計シミュ
レーションの結果，得られた各飼料毎の飼料原料の配合
率分布率を示す。本シミュレーションは，先に述べたシ
ミュレーションコードＧＡ０の結果より，３配合飼料の
コーン使用量を各々１０％減とする，すなわち成鶏用，
豚肥育用および牛肥育用飼料のコーン使用量を各々７
９．２トン，１５．０トンおよび１４．７トンとする。
また，各飼料のコーングルテンフィード配合率を成鶏用
および豚肥育用で各々２．５％，および牛肥育用飼料で
は５％に固定する。すなわち，使用量でみると成鶏用で
設計数量２００トン中５トン，豚肥育用で１００トン中
２．５トン，牛肥育用飼料で１００トン中５トンとす
る。一方，他原料については配合に十分量が準備されて
いる場合の同時配合設計である。

【０４８】同図より明らかなように，コーンおよびコー
ングルテンフィードの使用量に制限を設けたことによ
り，図５に示したこれらの２原料の配合率に比べて，い
ずれも所定分だけ配合率が減少している。一方，不足す
る栄養分を補うために配合率の制限を満たしつつ，他の
安価な原料の配合率が増加する。本シミュレーションの
飼料原料の内で比較的単価の安い原料の部類に入るマイ
ロは，既に配合制限の上限まで使用しているため増やす
ことはできず，同様に安価な脱脂米ヌカ，ダイズ油粕，
ナタネ油粕等より補っている。飼料により所要の栄養組
成・栄養価が異なるため，この補い方は飼料によって異
なっており，成鶏用では主に脱脂米ヌカ，ダイズ油粕よ
り，豚肥育用では主にダイズ油粕，第３リン酸カルシウ
ムより，牛肥育用飼料では主にナタネ油粕，イエローグ
リースより補っている。

【０４９】一方，図８に本シミュレーションの結果，得
られた３配合飼料の栄養組成・栄養価の含有率分布を示
す。ＴＤＮとＭＥの値の表現については，図６と同様で
ある。３飼料の栄養組成・栄養価の一部を除き，これら
の含有率に関する配合制限が厳しいため，３飼料の栄養
組成・栄養価の含有率分布は，牛肥育用飼料でＣＰ，Ｄ
ＣＰ，ＴＤＮにおいて含有率が１％程度増加した以外
は，先の図３に示した含有率分布と概ね同様であった。
これにより本研究で改良開発したＭＯＧＡは，特定原料
の使用量に制限のある配合設計においても，配合率の制
限を満たしつつ栄養組成・栄養価の制限を十分満たす同
時最適設計が可能であることが明かとなった。本シミュ
レーションの飼料原料コストについてみると，設計数量
が２００トンの成鶏用飼料で約５８９．０万円，各々１
００トンの豚肥育用および牛肥育用飼料で約２６９．４
万円および約２３５．３万円であり，３配合飼料全体で
は約１０９３．６万円であった。

【０５０】図９に本シミュレーションの結果，得られた
各飼料毎の飼料原料の配合率分布を示す。本シミュレー
ションは，２．で述べた配合設計シミュレーションの条
件を発展させたものである。原料のコーンおよびコーン
グルテンフィードの使用量に関して，３配合飼料を通じ
た総使用量には制限があるものの，各飼料毎の使用量に
は制限が無く，自由な取り合いを認める。すなわち，３
配合飼料の合計設計数量４００トンに対して，全体でコ
ーンは１０８．９トン，同じくコーングルテンフィード
は１２．５トン使用するが，飼料あたりの使用量に制限
がなく，他原料については配合に十分量が準備されてい
る場合の同時配合設計である。

【０５１】同図と図７の比較から明らかなように，本シ
ミュレーションでは，コーンおよびコーングルテンフィ
ードの使用配分に関して３飼料の間に取り合いが認めら
れる。コーンの配合量についてみると，成鶏用では変わ
らず，豚肥育用の減少分を牛肥育用飼料で使用してい
る。また，コーングルテンフィードの配合量についてみ
ると，成鶏用では配分が無くなり，牛肥育用も配分が減
少している一方，豚肥育用飼料でこれらの減少分を使用
している。なお，３飼料ともコーンおよびコーングルテ
ンフィードの２原料のみの配分量の増減では栄養成分・
栄養価の過不足を補うことが出来ないため，脱脂米ヌ
カ，ダイズ油粕，ナタネ油粕，イエローグリース等の使
用量を調整し栄養成分・栄養価のバランスをとってい
る。この様に同時配合設計を行っている複数飼料間で原
料の取り合いが認められるのは，各飼料毎に飼料原料コ
ストの最小化を行うとともに，３飼料全体においてもコ
ストの最小化を可能とする本ＭＯＧＡの利点である。

【０５２】一方，図１０に本シミュレーションの結果，
得られた３配合飼料の栄養組成・栄養価の含有率分布を
示す。ＴＤＮとＭＥの値の表現については，図６と同様
である。３飼料の栄養組成・栄養価の含有率分布は，牛
肥育用飼料でＣＰ，ＤＣＰ，ＴＤＮにおいて含有率が１
％程度減少した以外は，先の図５に示した含有率分布と
概ね同様であった。これによりＭＯＧＡによる配合設計
法は，特定原料の総使用量に制限があるものの各飼料毎
の使用量には制限が無く，自由な取り合いを認める配合
設計においても，配合率の制限を満たしつつ栄養組成・
栄養価の制限を十分満たす同時最適設計が可能であるこ
とが明かとなった。

【０５３】本シミュレーションの飼料原料コストについ
てみると，設計数量が２００トンの成鶏用飼料で約５９
０．１万円，各々１００トンの豚肥育用および牛肥育用
飼料で約２６３．４万円および約２２８．６万円であ
り，３配合飼料全体では約１０８２．２万円であった。
飼料間で特定原料の取り合いを認める本設計法は，飼料
毎に同原料の使用量を制限する先の設計に比べて約１．
０５％のコスト削減効果をもつことが明かとなった。

【０５４】

【発明の効果】本発明の多目的遺伝的アルゴリズムを援
用した家畜，家禽および養殖魚などの飼料の多目的配合
設計法によれば，以下のような効果が得られる。 （１）単一配合飼料の設計において，飼料原料コスト，
配合飼料のもつ機能性，仕上り肉質，飼料の見栄えなど
といった相競合する複数の目的関数を同時に最適化する
配合設計が可能である。 （２）複数の配合飼料の同時設計において，相競合する
各配合飼料の飼料原料コストなどの目的関数を同時並行
的に最適化する総合的な配合設計が可能である。 （３）同じく複数配合飼料を設計対象とした従来技術の
多目的線形計画法による配合設計と比較して，配合コス
トの削減が十分期待できる。 （４）飼料原料の配合率や栄養組成・栄養価の含有率に
関する制約式，ならびに飼料原料コスト，仕上り肉質な
どといった目的関数が線形であるか非線形であるかを問
わず，自由にコンピュータのソフトウエア上で設定可能
である。 （５）配合飼料の高機能化を目的とし多数の飼料原料を
配合する設計において，従来の線形計画法による配合設
計では制約条件が複雑化し最適解が得にくい場合でも，
熟練の配合設計技術者の経験に近い最適設計を実現可能
である。

【図面の簡単な説明】

【図１】本発明の多目的遺伝的アルゴリズムを用いた多
目的配合設計処理の流れ図である。

【図２】遺伝子コーディングと個体群発生の概念の説明
図である。

【図３】遺伝的オペレータ（交叉および突然変異）の概
念の説明図である。

【図４】本発明において採用した染色体集団（ポピュレ
ーション）における遺伝的オペレータである交叉，突然
変異およびエリート戦略を示す説明図である。

【図５】本発明の配合設計法による設計シミュレーショ
ンの結果の一例を示すグラフである。

【図６】本発明の配合設計法による設計シミュレーショ
ンの結果の一例を示すグラフである。

【図７】本発明の配合設計法による設計シミュレーショ
ンの結果の一例を示すグラフである。

【図８】本発明の配合設計法による設計シミュレーショ
ンの結果の一例を示すグラフである。

【図９】本発明の配合設計法による設計シミュレーショ
ンの結果の一例を示すグラフである。

【図１０】本発明の配合設計法による設計シミュレーシ
ョンの結果の一例を示すグラフである。

Claims (2)

【特許請求の範囲】
1. 【請求項１】 家畜，家禽および養殖魚などの飼料の与
   えられた栄養成分や飼料原料などの制約条件のもとで，
   飼料原料コストの最小化，配合飼料のもつ機能の最大
   化，当該飼料を給餌された家畜，家禽および養殖魚など
   の仕上がり肉質の最大（良）化などを計る配合設計方法
   において，各栄養組成・栄養価の制約式ならびに飼料原
   料コストや仕上り肉質など複数の目的関数の式を作成す
   る一方，各飼料原料の配合率を遺伝子としてコンピュー
   タのアレイメモリ上にコーデイングし，設計の始めの段
   階で初期個体集団を乱数で作成するとともに，交叉およ
   び突然変異などの遺伝的オペレータを繰り返してかけな
   がら複数の目的関数を同時並行的に最適化する各飼料原
   料の配合率を設計の最適解として求めていくとを特徴と
   する多目的遺伝的アルゴリズムを援用した飼料の多目的
   配合設計方法。
2. 【請求項２】 多目的遺伝的アルゴリズムを援用した請
   求項１の配合設計方法において，飼料原料コスト，配合
   飼料のもつ機能，仕上り肉質，見栄えなどといった相競
   合する複数の目的関数を設計条件にもつ単一配合飼料の
   最適設計に留まらず，複数の配合飼料の同時並行的かつ
   総合的な最適設計をも可能とすることを特徴とした多目
   的遺伝的アルゴリズムを援用した飼料の多目的配合設計
   方法。