最佳飼料配方系統的核心：數學本質
為何我們堅持使用 線性規劃 (LP) 作為核心，而非盲目追求遺傳演算法 (GA)？這不僅是技術選擇，更是對「精確性」與「成本」的負責。
線性規劃 (LP)：教科書級的完美匹配
你現在使用的 Least-Cost Feed Formulation，其數學本質是標準的線性規劃問題。這意味著它擁有明確的目標函數與限制條件：
為什麼 LP 是此領域的皇冠？
數學上可證明「再怎麼調都不會更便宜」。這是絕對的最低成本。
影子價格 (Shadow Price) 能清楚告訴你哪個營養限制是成本瓶頸。
毫秒級計算，且每次輸入相同資料，輸出的配方保證 100% 相同。
遺傳演算法 (GA)：用火箭筒打蚊子
GA 的本質是「我不知道最佳解在哪，但我可以亂試一堆，讓結果慢慢變好」。 它適合非線性、黑箱評分函數的問題。但對於飼料配方這種連續比例、線性加總、明確限制的問題，使用 GA 往往適得其反。
GA 在標準配方問題上的硬傷：
那 GA 什麼時候真的比較好？
GA 並非一無是處，它在處理「非線性」與「邏輯判斷」時是強者。但在飼料配方領域，這通常屬於進階或特殊情境：
非線性生物反應
例如：胺基酸之間的拮抗作用 (Antagonism) 或協同作用，這無法用簡單的加法表示。
邏輯型限制 (IF-THEN)
例如：「如果使用了 DDGS 超過 10%，則玉米必須小於 40%」。這種不連續的邏輯讓 LP 很痛苦，卻是 GA 的強項。
多目標最佳化
當「最低成本」不是唯一目標，還包含「配方看起來要合理」、「顏色要好看」等難以量化的偏好時。
系統資料庫與來源
數據來源
本系統之營養需求標準主要參考 NRC (National Research Council) 之權威出版物，涵蓋豬、家禽、肉牛、乳牛及小型反芻動物。我們確保所有數據皆引證有據，絕不隨意杜撰。
- Nutrient Requirements of Swine (11th Rev. Ed., 2012)
- Nutrient Requirements of Poultry (9th Rev. Ed., 1994)
- Nutrient Requirements of Beef Cattle (8th Rev. Ed., 2016)
- Nutrient Requirements of Small Ruminants (2007)
支援動物檔案
我們已針對不同物種的生理階段建立精確的營養模型，特別針對反芻動物（牛、羊）及兔子，強化了 粗纖維 (Fiber) 的需求限制。
原料資料庫說明
本系統內建多種基礎原料，涵蓋能量、蛋白質、礦物質及關鍵添加劑。每種原料皆具備詳細的營養參數（如代謝能、胺基酸組成、鈣磷含量），確保配方運算精確無誤。
黃玉米 (Yellow Corn)
能量飼料之王，提供高代謝能 (ME)，適口性佳，是大多數配方的主要基底。
大豆粕 (Soybean Meal 48%)
植物性蛋白首選，胺基酸組成優良，特別是賴氨酸 (Lys) 含量豐富。
麥麩 (Wheat Bran)
小麥加工副產品，富含纖維與磷，常用於調節配方纖維含量及促進腸道蠕動。
魚粉 (Fish Meal)
優質動物性蛋白，富含必需胺基酸與未知生長因子 (UGF)，常用於幼畜與種畜飼料。
植物油 (Vegetable Oil)
極高能量來源，除提供熱能外，亦能改善飼料物理性狀（減少粉塵、提升適口性）。
石灰石粉 (Limestone)
最經濟的鈣源 (Ca)，對於骨骼發育與蛋殼形成至關重要。
磷酸氫鈣 (DCP)
提供有效磷 (Avail. P) 與鈣，利用率高，補充植物性原料中磷的不足。
苜蓿粉 (Alfalfa Meal)
粗纖維與蛋白質的良好來源，富含維生素，是草食動物（牛、羊、兔）不可或缺的原料。
離氨酸鹽酸鹽 (L-Lysine HCl)
單體胺基酸添加劑，用於精確平衡胺基酸需求，減少過量蛋白質浪費。
DL-甲硫氨酸 (DL-Methionine)
含硫胺基酸補充劑，通常是家禽配方中的第一限制胺基酸。
OptiFeed 的設計哲學
我們採用雙層架構：
第一層 (LP)：計算理論最低成本，保證營養與經濟性。
第二層 (Heuristic/Expert)：在 LP 的基礎上，微調以符合實務偏好。
這才是產業界信賴的系統，快、穩、且可稽核。