本公开一般涉及在农业选择模型中使用或与农业选择模型一起使用的方法和系统,具体而言,涉及用于自动调整与此类模型相关联的权重以用于识别和/或选择所需亲本以供后续使用(例如,用于推进育种流水线等)的方法和系统。
背景技术:
1、本部分提供了与本公开相关的背景信息,其不一定是现有技术。
2、在植物发育中,能够通过选择性育种或遗传操作在植物中进行修饰。而且,当实现理想的改进时,通过种植来自选定植物的种子并在几代中收获所得种子来发展商业数量。关于选择性育种,许多决定是基于所培育植物的特性和/或性状,以及类似地基于所培育植物的亲本的特性和/或性状而做出的。而且,并非所有所得的杂交都能保证继承或表现出所需的性状。因此,作为选择特定植物以在此类修饰后进行进一步开发的一部分,从植物和/或其产生的种子取得样品并进行测试,使得只有具有所需特性和/或性状的植物和/或种子得到改进。也就是说,植物开发涉及大量的可能杂交,必须从中做出最终的育种决定。
技术实现思路
1.一种用于识别在与植物提升相关联的选择算法中采用的权重的系统,所述系统包括:
2.如权利要求1所述的系统,其中所述计算装置被配置成随机地修改与所述比例参数值一致的所述初始权重组。
3.如权利要求1所述的系统,其中所述比例参数进度表包括多个比例参数值,并且其中所述比例参数值中的每个比例参数值指示可用于修改所述权重组的变异性。
4.如权利要求1所述的系统,其中所述计算装置被配置成经由所述选择算法而基于历史测试数据来识别所述种质组。
5.如权利要求1所述的系统,其中所述计算装置还被配置成,针对所述比例参数进度表中的每个比例参数值,并且针对所述n次迭代中的每一次迭代,计算所述种质组的所述估计性能以作为所述种质组与参考种质组之间的百分比重叠,并且将所述计算的估计性能与所述性能阈值进行比较。
6.如权利要求5所述的系统,其中所述计算装置还被配置成,针对所述比例参数进度表中的每个比例参数值,并且针对所述n次迭代中的每一次迭代,响应于停止条件得到满足,识别所述修改后的权重组以作为所述n次迭代的输出。
7.如权利要求6所述的系统,其中所述停止条件包括以下各项中的至少一个:所述修改后的种质组的所述估计性能超过阈值和/或经过多次迭代后的性能提高程度。
8.如权利要求1所述的系统,其中所述计算装置被配置成,结合将所述修改后的权重组作为所述初始权重组推进到下一次迭代,将所述识别的种质组的所述估计性能设置为所述性能阈值。
9.如权利要求1所述的系统,其中所述计算装置还被配置成,响应于所述识别的种质组的所述估计性能不满足所述性能阈值和迭代次数小于n:
10.如权利要求1所述的系统,其中所述计算装置还被配置成,针对所述比例参数进度表中的每个比例参数值,针对所述n次迭代中的每一次迭代:
11.如权利要求1所述的系统,其中n小于500。
12.如权利要求1所述的系统,其中所述计算装置还被配置成基于所述最终权重组和所述选择算法来识别至少一个种质。
13.如权利要求12所述的系统,所述系统还包括布置在所述育种计划的育种流水线的生长空间中的植物,所述植物来源于所述至少一个种质。
14.如权利要求1所述的系统,其中所述计算装置还被配置成生成关于所述最终权重组和与所述最终权重组相关联的所述估计性能的报告。
15.一种用于识别在与植物提升相关联的选择算法中采用的权重的方法,所述方法包括:
16.如权利要求15所述的方法,其中修改所述初始权重组包括随机地修改与所述比例参数值一致的所述初始权重组;并且
17.如权利要求15所述的方法,所述方法还包括,针对所述比例参数进度表中的每个比例参数值,并且针对所述n次迭代中的每一次迭代:
18.如权利要求17所述的方法,所述方法还包括,响应于所述识别的种质组的所述估计性能不满足所述性能阈值和迭代次数小于n:
19.如权利要求15所述的方法,其中n小于500。
20.如权利要求15所述的方法,所述方法还包括在所述育种计划的育种流水线的生长空间中种植植物,所述植物来源于所述至少一个种质。
21.一种用于识别在与植物提升相关联的选择算法中采用的权重的系统,所述系统包括:
22.如权利要求21所述的系统,其中所述计算装置被配置成,结合操作(a),随机地修改与所述比例参数值一致的所述初始权重组。
23.如权利要求22所述的系统,其中所述多个定义的比例参数值包括至少四个比例参数值,并且其中所述至少四个比例参数值中的每个比例参数值指示可用于修改所述权重组的变异性。
24.如权利要求21所述的系统,其中所述计算装置被配置成经由所述选择算法而基于历史测试数据来识别所述种质组。
25.如权利要求21所述的系统,其中所述计算装置还被配置成,结合操作(c),计算所述种质组的所述估计性能以作为所述种质组与参考种质组之间的百分比重叠,并且将所述计算的性能与所述性能阈值进行比较。
26.如权利要求21所述的系统,其中所述计算装置还被配置成,针对所述n次迭代中的每一次迭代,响应于停止条件得到满足,识别所述修改后的权重组以作为所述n次迭代的输出。
27.如权利要求26所述的系统,其中所述停止条件包括以下各项中的至少一个:所述修改后的种质组的所述估计性能超过阈值和经过多次迭代后的性能提高程度。
28.如权利要求21所述的系统,其中所述计算装置被配置成,结合操作(c),将所述识别的种质组的所述估计性能设置为所述性能阈值。
29.如权利要求21所述的系统,其中所述计算装置还被配置成,结合操作(c),响应于i)所述识别的种质组的所述估计性能不满足所述性能阈值和ii)迭代次数小于n:
30.如权利要求21所述的系统,其中所述计算装置还被配置成,针对所述n次迭代中的每一次迭代:
31.如权利要求21所述的系统,其中m小于十,其中n小于500,并且其中x小于500。
32.如权利要求21所述的系统,其中所述计算装置被配置成响应于较高比例参数值m链的输出的估计性能大于较低比例参数值m链的输出的估计性能,将所述较高比例参数值m链的所述输出与所述较低比例参数值m链的所述输出交换。
33.如权利要求21所述的系统,其中所述计算装置被配置成生成关于所述最终权重组和与所述最终权重组相关联的所述性能的报告。
34.如权利要求21所述的系统,其中所述计算装置还被配置成基于所述最终权重组和所述选择算法来识别至少一个种质。
35.如权利要求34所述的系统,所述系统还包括布置在所述育种计划的育种流水线的生长空间中的植物,所述植物来源于所述至少一个种质。
36.一种用于识别在与植物提升相关联的选择算法中采用的权重的方法,所述方法包括:
37.如权利要求36所述的方法,其中修改所述初始权重组包括随机地修改与所述比例参数值一致的所述初始权重组。
38.如权利要求37所述的方法,其中所述多个定义的比例参数值包括至少四个比例参数值,并且其中所述至少四个比例参数值中的每个比例参数值指示可用于修改所述权重组的变异性。
39.如权利要求36所述的方法,其中识别所述种质组包括经由所述选择算法而基于历史测试数据来识别所述种质组。
40.如权利要求36所述的方法,其中推进所述修改后的权重组包括计算所述种质组的所述估计性能以作为所述种质组与参考种质组之间的百分比重叠,以及将所述计算的性能与所述性能阈值进行比较。
41.如权利要求36所述的方法,所述方法还包括,针对所述n次迭代中的每一次迭代,响应于停止条件得到满足,识别所述修改后的权重组以作为所述n次迭代的输出。
42.如权利要求41所述的方法,其中所述停止条件包括以下各项中的至少一个:所述修改后的种质组的所述估计性能超过阈值和经过多次迭代后的性能提高程度。
43.如权利要求36所述的方法,其中推进所述修改后的权重组包括将所述识别的种质组的所述估计性能设置为所述性能阈值。
44.如权利要求36所述的方法,其中推进所述修改后的权重组包括响应于i)所述识别的种质组的所述估计性能不满足所述性能阈值和ii)迭代次数小于n:
45.如权利要求36所述的方法,所述方法还包括,针对所述n次迭代中的每一次迭代:
46.如权利要求36所述的方法,其中m小于十,其中n小于500,并且其中x小于500。
47.如权利要求36所述的方法,所述方法还包括响应于较高比例参数值m链的输出的估计性能大于较低比例参数值m链的输出的估计性能,将所述较高比例参数值m链的所述输出与所述较低比例参数值m链的所述输出交换。
48.如权利要求36所述的方法,所述方法还包括生成关于所述最终权重组和与所述最终权重组相关联的所述性能的报告。
49.如权利要求36所述的方法,所述方法还包括基于所述最终权重组和所述选择算法来识别至少一个种质。
50.如权利要求49所述的方法,所述方法还包括从所述至少一个种质获得植物。
51.一种包括用于识别在与植物提升相关联的选择算法中采用的权重的可执行指令的非暂时性计算机可读存储介质,所述可执行指令在由至少一个处理器执行时使所述至少一个处理器:
52.一种包括用于识别在与植物提升相关联的选择算法中采用的权重的可执行指令的非暂时性计算机可读存储介质,所述可执行指令在由至少一个处理器执行时使所述至少一个处理器: