Este projeto teve por objetivo a implementação de software para formulação de ração de frangos de corte utilizando Algoritmo Genético (AG). A geração da população inicial foi direcionada, impedindo a geração de indivíduos que possuíam características restritivas. Realizou-se três experimentos, sendo o primeiro para definição do tamanho da população, número de gerações e método de seleção de pais, o segundo para comparar a formulação de ração do AG com a do Simplex e o terceiro para verificar a variabilidade de resultados do AG. O experimento 1 foi realizado em delineamento inteiramente ao acaso, com tratamentos arranjados em esquema fatorial 2 x 5 x 19, sendo os fatores: métodos de seleção de pais (roleta e torneio de três), tamanho de população (200, 360, 500, 1.000 e 1.500 indivíduos) e número de geração (10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 200, 300, 400, 500, 600, 700, 800, 900 e 1.000), totalizando 190 tratamentos, com 20 repetições resultando em 3.800 observações. A cada observação registrou-se o fitness que foi submetido a análise de variância e quando significativa (P<0,05) aplicou-se o teste de Scott-Knott (5%). No experimento 2 foram formuladas três rações, sendo uma ração pelo método Simplex e duas pelo AG. As rações formuladas com AG utilizaram os parâmetros de tamanho de população, método de seleção de pais e número de gerações definidos no experimento 1. Os resultados obtidos pelo AG proporcionaram rações que apresentam uma diferença média no atendimento das necessidades nutricionais de 0,34% para a ração formulada pelo método roleta e de 0,16% pelo método torneio de três, sendo essas diferenças pequenas e que provavelmente não impactam sobre o desempenho animal e sobre as características de carcaça. A variação de resultados existente no AG, devido a sua característica heurística, foi testada no experimento 3 por intermédio de 100 execuções para cada método de seleção de pais, roleta e torneio de três, utilizando os mesmos parâmetros de tamanho de população e número de gerações das rações formuladas no experimento 2. Os resultados obtidos demonstram baixa dispersão nos dados. Conclui-se que o AG é uma estratégia de otimização eficiente para formulação de rações para frangos de corte, pois aproxima-se do atendimento exato da exigência nutricional, com variação pequena, e com mínimo custo.

The objective of the present project was to implement software for the formulation of broiler chicken feed using a Genetic Algorithm (GA). The generation of the initial population was directed, preventing the production of individuals with restrictive characteristics. A total of three experiments were carried out: the first one to define the population size, number of generations, and the method of parent selection; the second to compare ration formulation using the GA with that of the Simplex method, and the third to verify result variability using the GA. Experiment 1 was performed in a completely randomized design, with arranged treatments in a 2 x 5 x 19 factorial scheme, assessing the following factors: parent selection methods (roulette-wheel selection and tournament selection of three), population size (200, 360, 500, 1 000 and 1 500 individuals), and number of generations (10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 200, 300, 400, 500, 600, 700, 800, 900 and 1 000 ), totaling 190 treatments, with 20 repetitions each, resulting in 3 800 recordings. At each observation, the registered fitness was submitted to variance analysis, and if significant (P < 0.05), the Scott-Knott test (5%) was applied. In the second experiment, three rations were formulated: one by the Simplex method, and two employing the GA. The feeds formulated with the GA used the parameters of population size, parent selection method, and number of generations, defined in experiment 1. The results obtained by the GA provided feeds that exhibited a mean difference in nutritional requirements of 0.34% for the ration formulated by the roulette-wheel method and 0.16% for the tournament selection of three technique. These differences are considered small and may not impact on animal performance and carcass characteristics. The variation regarding the GA results, given its heuristic attribute, was tested in experiment 3 using 100 repetitions of each method of parent selection, employing the same parameters regarding population size and number of generations of the rations formulated in experiment 2. The obtained results demonstrate low data dispersion. In conclusion, the GA is an efficient optimization strategy for the formulation of broiler chicken feeds, since it approximates the exact fulfillment of the nutritional requirement, with small variation, and with minimum cost.