APLICAÇÃO DE MÉTODOS DE BUSCA EM GRAFOS COM NÓS PARCIALMENTE ORDENADOS À LOCAÇÃO DE TORRES DE TRANSMISSÃO

Tamanho: px
Começar a partir da página:

Download "APLICAÇÃO DE MÉTODOS DE BUSCA EM GRAFOS COM NÓS PARCIALMENTE ORDENADOS À LOCAÇÃO DE TORRES DE TRANSMISSÃO"

Transcrição

1 versão mpressa ISSN / versão onlne ISSN APLICAÇÃO DE MÉTODOS DE BUSCA EM GRAFOS COM NÓS PARCIALMENTE ORDENADOS À LOCAÇÃO DE TORRES DE TRANSMISSÃO João Neva de Fgueredo * Departamento de Engenhara de Produção e Sstemas Unversdade Federal de Santa Catarna Floranópols SC jneva@eps.ufsc.br Clóvs C. Gonzaga Departamento de Matemátca Unversdade Federal de Santa Catarna Floranópols SC clovs@mtm.ufsc.br * Correspondng author / autor para quem as correspondêncas devem ser encamnhadas Recebdo em 06/2002, aceto em 11/2002 após 1 revsão Resumo Este artgo aborda o problema de locação ótma de torres de transmssão como uma aplcação de métodos de busca em grafos com nós parcalmente ordenados com uma modelagem que aplca a este problema pela prmera vez o conceto de relações de preferênca entre nós. São prmeramente apresentados resultados sobre grafos e algortmos de busca. As restrções eletro-mecâncas e topográfcas à obtenção do camnho de custo mínmo são descrtas, são defndos os nós, arcos, custos, e camnhos, além de outros componentes do grafo e são descrtos os algortmos de otmzação utlzados. O trabalho ntroduz e demonstra a valdade de relações de preferênca entre nós, que são utlzadas (juntamente com comparações de custos) no processo de elmnação de camnhos. Este procedmento aumenta a efcênca dos algortmos de otmzação utlzados. Palavras-chave: locação de torres de transmssão; camnhos em grafos; otmzação seqüencal. Abstract Ths paper focuses on optmal transmsson tower spottng as an applcaton of search methods n a graph wth partally ordered nodes and for the frst tme models the problem usng preference relatons between nodes. Frst basc results from graph theory and search algorthms are presented. Electromechancal and topographcal constrants to obtanng the path of mnmum cost are descrbed, the nodes, arcs, costs and paths are defned, and the optmzaton algorthms are shown. The paper ntroduces and demonstrates the valdty of preference relatons between nodes. These are used together wth cost comparsons to elmnate paths. Ths procedure ncreases the effcency of the optmzaton algorthms. Keywords: transmsson tower spottng; paths n graphs; sequental optmzaton. Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de

2 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão 1. Introdução Este artgo apresenta algortmos para otmzação da locação de torres de transmssão e basea-se numa modelagem novadora do problema de locação de torres como um problema de decsões seqüencas com a construção recorrente de um grafo através da aplcação repetda de um operador sucessor. O trabalho ntroduz um processo de elmnação de camnhos no grafo baseado em relações de preferênca entre nós que não hava sdo utlzado anterormente para resolver este tpo de problema e que resulta em aumento de efcênca na determnação de uma lnha de transmssão de custo mínmo. O objetvo do trabalho é apresentar uma modelagem orgnal para o problema de locação de torres de transmssão que apresenta melhoras sobre algortmos consagrados por ncorporar a estes relações de preferênca entre nós. Acredtamos que esta forma de modelagem tem amplas aplcações em outros tpos de problemas. Nesta seção ntrodutóra é feta uma descrção do problema bem como um levantamento da lteratura de otmzação da locação de torres de transmssão. A segunda seção apresenta resultados báscos sobre algortmos de busca de camnhos de custo mínmo através de um grafo ordenado. A tercera seção apresenta a modelagem sugerda oferecendo defnções do grafo e seus componentes os nós, os arcos, os custos, os camnhos e um operador sucessor. A quarta seção apresenta o detalhamento da aplcação dos algortmos apresentados anterormente ao problema de locação. Descrção do problema. O projeto de uma lnha de transmssão compreende dversas etapas: especfcação das característcas elétrcas da lnha, escolha do traçado, determnação de característcas mecâncas das torres, levantamento topográfco e, fnalmente, a locação das torres de transmssão sobre o traçado escolhdo. Da etapa de determnação de característcas mecâncas das torres resulta a defnção dos tpos de torres que serão utlzadas na lnha. Resulta também desta etapa a especfcação detalhada de todos os lmtes mecâncos que cada tpo de torre pode suportar, as dversas alturas dsponíves para cada tpo de torre e o custo de cada par (tpo, altura) de torre. As restrções mecâncas são numerosas e ncluem esforço transversal máxmo, esforço vertcal mínmo para os cabos de transmssão e para os cabos pára-raos, trações longtudnas e transversas para cadeas em torres de suspensão bem como outras restrções partculares a torres de ancoragem e de suspensão. Os custos de cada torre dependem apenas de seu tpo e altura. A etapa segunte é a especfcação das restrções topográfcas com o completo levantamento do perfl do terreno ao longo do traçado da lnha. As restrções topográfcas ncluem a altura de segurança do cabo (altura mínma do cabo ao solo), a topografa do terreno, trechos de locação probda (como, por exemplo, ros e estradas a serem cruzados pela lnha) e pontos de locação obrgatóra. O cabo suspenso entre duas torres toma o formato de uma catenára, que neste trabalho (e normalmente) é aproxmada por uma parábola. Ela deve necessaramente superar uma dstânca mínma do solo em todos os pontos do perfl topográfco (a altura de segurança). A catenára de segurança é a catenára vrtual que tangenca o perfl topográfco, partndo do ponto na torre que representa sua altura decrescda da altura de segurança naquele ponto do traçado. Neste trabalho, o termo catenára é utlzado para sgnfcar catenáras de segurança, as lustrações mostram torres com catenáras de segurança e as torres têm suas alturas decrescdas da altura de segurança. Ao fnal desta etapa são conhecdas as restrções mecâncas e as restrções topográfcas para o problema e têm-se todos os dados para ncar o processo de otmzação os tpos e alturas (e conseqüentemente custos) das torres de transmssão, bem como a descrção completa do perfl topográfco do terreno. 210 Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de 2003

3 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Os esforços mecâncos a que está submetda uma torre somente são determnados quando são conhecdas as localzações e alturas das duas torres adjacentes a ela, ou seja, o tpo e conseqüentemente o custo de uma torre depende de sua localzação e também da localzação e altura da torre que a precede e da torre que a segue no traçado. Conseqüentemente o procedmento de locação de torres passa pelo exame de trechos de perfl topográfco medatamente à frente da últma torre locada para dentfcar a melhor opção para a locação da próxma torre e determnar o tpo e o custo da torre anteror. Como será descrto abaxo, modelamos este problema através da utlzação de um grafo que ncorpora todas as opções possíves de locação para a lnha. Este grafo é crado recursvamente através de um operador sucessor aplcado de forma seqüencal às torres que compõem o extremo de lnha de transmssão mas promssor a cada momento. Após um breve resumo da lteratura será descrta a modelagem bem como os algortmos para solução do problema. Resumo da lteratura. A referênca mas antga menconando uma tentatva de elaboração de um algortmo para otmzação de torres de transmssão fo um modelo smples utlzando otmzação local, com uma pesqusa exaustva de opções de locação no trecho medatamente à frente da últma torre locada (enfoque sldng wndow). Este processo não forneca um resultado ótmo pos em cada ponto o horzonte de pesqusa se lmtava a examnar as opções para um grupo de três torres subseqüentes ver Bob, Dabeks & Fullerton (1963). A prmera modelagem de otmzação utlzando teora de grafos consderava um horzonte maor à frente de cada torre ou nó a ser expanddo, podendo este horzonte chegar a dez torres. Esta modelagem utlzou algortmos de otmzação em grafos, nclusve o algortmo A*, com mecansmos de análse estatístca dos pontos do perfl à frente da torre mas recentemente locada (função look ahead) para permtr o exame de um número dferente de torres em casos de perfl muto ou pouco acdentado ver Neva de Fgueredo (1978) e Neva de Fgueredo, Gonzaga & Maculan (1979). Mas recentemente outras abordagens foram tentadas utlzando varações do enfoque sldng wndow com horzonte lmtado ver, por exemplo, Çals (1992). Há pelo menos um exemplo de aplcação de programação dnâmca ao problema de otmzação na locação de torres de transmssão ver Cherdsant (1997). Esta aplcação também padece das lmtações do enfoque sldng wndow pos examna apenas três torres de cada vez dentfcando ótmos locas sem examnar o traçado ntero e conseqüentemente não encontrando um ótmo global. Além das referêncas ctadas acma não fo encontrada nenhuma ctação na lteratura que utlzasse algortmos de busca em grafos para a modelagem e otmzação de locação de torres de transmssão. Ademas, não fo encontrada na lteratura nenhuma referênca além daquelas ctadas acma que utlzasse algortmos seqüencas de otmzação para modelagem e mnmzação do custo de locação de torres de transmssão examnando o perfl topográfco em sua totaldade. 2. Algortmos de busca em grafos O problema de locação será formulado como um problema de busca de camnho de custo mínmo através de um grafo ordenado. Nesta seção apresentamos resultados báscos sobre grafos e algortmos de busca. Para uma descrção mas detalhada, veja Gonzaga (1978), Hart, Nlsson & Raphael (1968) e Nlsson (1971). Um grafo é caracterzado por um conjunto de nós N = { n1, n2, } e um conjunto de arcos,, cn, n 0. que são pares ordenados ( n n ) de nós. A cada arco é assocado um custo ( ) j j Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de

4 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Um camnho é uma seqüênca de nós η = ( n, n,, 1 n 2 3 ) lgados dos a dos por arcos, e seu custo é a soma dos custos desses arcos. Dado um nó ncal s N e um conjunto alvo T N, busca-se entre todos os camnhos que unem s a algum nó de T, um que tenha custo mínmo. Nos algortmos de que trataremos aqu, os conjuntos de nós e arcos não são conhecdos a pror: tem-se um operador sucessor Γ, que assoca a cada nó n o conjunto de nós Γ ( n) (sucessores de n ) tas que nj Γ ( n) se e só se ( nn, j ) é um arco. A defnção de Γ para nosso problema fcará clara na próxma seção. O grafo pode ser construído recursvamente a partr de s por aplcações sucessvas do operador Γ. Isto será feto por algortmos de busca. Um algortmo de busca trval é o segunte: lste todos os camnhos possíves a partr de s e escolha entre os que atngem T um de mínmo custo. Bons algortmos constroem uma lsta de camnhos a partr de s, mas somente guardam um camnho entre s e cada nó, o mas barato encontrado. Portanto, os algortmos guardam lstas de camnhos e cada teração constró novos camnhos através da expansão do nó termnal de algum camnho lstado. Elementos lstados. Suponhamos que estão lstados os camnhos η = ( n, n,, 1 n 2 k ) e η j = ( nj, n,,, 1 j n 2 j n k jk + 1), com n = n,, 1 j n 1 = n k jk, sto é, η j é uma extensão de η. Obvamente há um desperdíco de memóra, podendo-se caracterzar η j por seu nó termnal e um apontador para η, a parte ncal do camnho. Assm, os camnhos lstados serão representados por trplas η = ( n, c, p), onde η é o nó termnal do camnho, c é seu custo, e p é um apontador para η p. A construção completa do camnho η, quando necessára, é feta por retroação (backtrackng) na lsta. Cada teração de um algortmo escolhe um camnho lstado e expande-o. Guardaremos duas lstas de camnhos: a lsta de fechados, contendo os camnhos que já foram expanddos e a lsta de abertos, contendo os camnhos que anda não geraram sucessores. Portanto, cada teração escolhe um camnho aberto e expande-o. Cada crtéro dferente de escolha do camnho a ser expanddo caracterza um algortmo de busca em grafos: busca horzontal (escolha do camnho mas antgo), busca em profunddade (escolha do camnho mas recente), algortmo de Djkstra (escolha do camnho mas barato) e algortmo A* (escolha do camnho mas promssor). Estes dos últmos são dscutdos adante. Vamos agora descrever um algortmo típco. Incalzação. Identfque elementos lstados como trplas η = ( ncp,, ), como descrevemos acma. Cre uma lsta abertos e uma lsta fechados, ncalmente vazas. Introduza em abertos o elemento η 0 = ( s,0, ), onde s é o nó ncal, o custo é nulo e o apontador é vazo. Passo 1. Escolha um elemento η = ( nc,, p) em abertos, transfra η para fechados. Se n T (alvo), termne. Passo 2: expansão. Aplque o operador sucessor Γ ao nó n, obtendo seus sucessores Γ ( n) = { n1,, nq}, e construa os camnhos sucessores η j = ( nj, c + c( n, nj), pj), j = 1,, q, onde p1 = = pq é um apontador para η. 212 Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de 2003

5 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Passo 3: elmnações. Compare cada sucessor η j com todos os elementos lstados. Se exste algum elemento lstado com o mesmo nó termnal η = ( nj, c, p ), execute a segunte elmnação: se c cj, descarte η j ; senão, se η está em abertos, descarte η. Observe que nunca se elmnam fechados. Introduza em abertos os sucessores remanescentes e volte ao Passo 1. Termnação. Um camnho ótmo fo determnado. Reconstrua-o percorrendo a lsta fechados utlzando os apontadores retroatvamente. Especfcamos agora os algortmos que serão usados neste trabalho. Algortmo de Djkstra. escolhe-se no Passo 1 um elemento de custo mínmo entre os de abertos. Como resultado, mostra-se que os camnhos fechados η são sempre ótmos, sto é, de custo mínmo entre todos os camnhos de s a n. Quando um elemento do alvo é fechado, o problema está resolvdo. Algortmo A*. em certos problemas, exstem procedmentos que assocam a cada nó n N uma subestmatva hn ( ) para o custo de um camnho ótmo entre n e o alvo T. Tpcamente, tas estmatvas são obtdas pela resolução de um problema relaxado, obtdo retrando restrções do problema orgnal. O algortmo A* escolhe no Passo 1 um elemento η com mínmo valor de cj + h( nj ) entre todos os abertos η j. Assm sendo, a comparação de custos no passo 1 passa a ser de uma subestmatva do custo total de uma lnha cujo trecho ncal é o assocado a cada η j lstado ou sucessor. Também neste caso, mostra-se que os camnhos fechados são sempre ótmos, e que o problema é resolvdo ao fechar-se um elemento do alvo. Relações de preferênca. Em certos problemas é possível comparar nós com respeto à proxmdade em relação ao alvo. Isto é, mesmo não se conhecendo estmatvas como acma, pode haver uma ordenação parcal (uma relação de preferênca) entre nós do grafo. As relações de preferênca entre nós melhoram a efcênca dos algortmos de otmzação em grafos sem comprometer a otmaldade, conforme demonstrado em Gonzaga (1973). Essas relações tem sgnfcado descrto a segur: Dados dos nós n 1 e n 2, eles podem ou não ser comparáves. Se forem comparáves, deve-se ter: Se n 1 n 2, então um camnho de custo mínmo entre n 1 e T tem custo menor ou gual que qualquer camnho entre n 2 e T. Isto é, n 1 está mas próxmo de T do que n 2. É claro que sempre se tem n n. O crtéro de elmnações no Passo 3 passa a ser o segunte: compare η j com cada elemento lstado η = ( ncp,, ) e faça: Se c cj e n j n, descarte n j. Senão, se η está em abertos, camnhos fechados). cj c e n j n, elmne n da lsta (nunca se elmnam Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de

6 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão É fácl mostrar que um camnho ótmo nunca é elmnado por um não ótmo: suponha que um camnho η elmna um camnho η. Para cada n T, seja cnt ˆ (, ) o custo de um camnho ótmo de n a T. Sabe-se então que pela regra de elmnação, c c, e devdo a n n, cˆ( n, T) cˆ( n, T). O custo de um camnho ótmo ncando por η é menor ou gual a c + cˆ( n, T) c + cˆ( n, T), e portanto o camnho η pode ser gnorado. Regras de preferênca desse tpo são comuns em problemas de decsões seqüencas. Por exemplo, no planejamento da operação de sstemas hdroelétrcos em que um nó representa o estado dos reservatóros, um nó elmna outro quando o prmero corresponde a reservatóros mas cheos e as demas varáves assocadas a cada um desses nós são equvalentes. No planejamento da expansão de redes com capacdades nos arcos, uma rede (que é um nó do problema de planejamento) elmna outra se tver mas capacdade nstalada em todos os arcos. A arborescênca ótma. É nteressante notar que um algortmo de grafos como os que descrevemos mantém na lsta fechados apenas um camnho (ótmo) de s até cada nó. Isto caracterza uma arborescênca ótma do grafo. Quando o algortmo termna, encontrou-se não somente um camnho ótmo até o alvo, mas também camnhos ótmos até todos os nós termnas de camnhos em fechados. A este mecansmo chama-se mersão nvarante. 3. Modelagem do problema Fgura 1 Representação de dos nós adjacentes. Torres de tpo conhecdo são realçadas na fgura. 214 Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de 2003

7 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Enuncado. O problema de otmzação da locação de torres de transmssão consste em determnar uma lnha de transmssão de custo mínmo satsfazendo restrções eletromecâncas e topográfcas de um traçado pré-escolhdo para a lnha. Dado este traçado, cada ponto do perfl topográfco é expresso por sua ordenada e abscssa e são defndos os obstáculos, os trechos de locação probda, os pontos de locação obrgatóra, e as alturas de segurança em cada ponto do perfl. É também dado do problema um conjunto de tpos de torres com característcas estruturas dferentes e alturas dscretas predetermnadas. As dversas restrções mecâncas defnem lmtes de utlzação para uma torre de determnado tpo. As restrções mas mportantes são a de esforço transversal máxmo (expressa pelo vão médo máxmo que um tpo de torre suporta) e esforço vertcal máxmo e mínmo (expressa pelo vão gravante máxmo e mínmo este somente no caso de torres de suspensão que um tpo de torre suporta). Estas e todas as outras restrções eletromecâncas (tas como ângulo máxmo, balanço de cadeas, etc.) são pré-defndas para cada tpo de torre. Dado um par (tpo, altura) de uma torre, é conhecdo o custo desta torre. O problema de otmzação na locação de torres de transmssão é um problema de mnmzação de custos em uma nfndade de possbldades de locações. Este problema é aqu modelado como um problema de busca de camnhos de custo mínmo em grafos. O que segue é o enuncado da modelagem do problema com a caracterzação do grafo através da defnção de seus nós, arcos, camnhos e custos. O prmero passo é a defnção de um nó. Nó. Um nó n do grafo é determnado por uma torre completamente conhecda seguda de outra torre com locação e altura conhecdos mas de tpo anda ndetermnado. Um nó n é caracterzado pela quíntupla: ( 1, 1, 1, 2, 2) n = x h T x h, onde x é a abscssa onde está localzada a torre j, j h j é a altura da torre j, T j é o tpo da torre j (ver Fgura 1). Um nó cuja segunda torre está no fm do perfl topográfco é um nó alvo. Arco. Um arco é um par ordenado de nós com uma torre concdente. Mas especfcamente, um arco compreende dos nós, o prmero dos quas tem uma torre de tpo conhecdo e uma torre de tpo não conhecdo (ver Fgura 2). No segundo nó deste arco a torre que não tnha seu tpo conhecdo no nó anteror já tem seu tpo determnado. Estas três torres têm satsfetas todas as restrções topográfcas e mecâncas a que estão sujetas. n n j é o custo da torre ntermedára deste arco, cujo tpo é agora conhecdo (o custo da segunda torre do nó n e da prmera torre do nó n j ). Custo. O custo assocado ao arco (, ) Camnho. Um camnho é uma seqüênca ordenada de nós lgados por arcos à qual se assoca uma seqüênca de torres que satsfazem a todas as restrções topográfcas e mecâncas para o trecho (ver Fgura 2). A últma torre de um camnho não tem seu tpo conhecdo a não ser que seja a torre fnal do trecho sendo otmzado. Dentre os camnhos que cobrem a totaldade do perfl topográfco, um camnho de custo mínmo é uma solução ótma para o problema de locação. Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de

8 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Fgura 2 Representação do arco formado pelos nós da Fg. 1 e de um camnho. Operador sucessor Γ. Os sucessores de um nó n ( x1, h1, T1, x2, h2, ) ( 1, 1, 1, 2, 2 ) j j j j j j j 1 j 1 = são nós n = x h T x h com x = x2 e h = h2. Eles são obtdos por todas as possíves adções de uma nova torre tal que qualquer aumento na abscssa desta nova torre volara alguma restrção (ver Fgura 3). Obtém-se esta condção em dos passos. Prmero lança-se a partr da torre cujo tpo não fo anda defndo (a segunda torre do nó n, de abscssa x 2 e altura h 2 ) a catenára que tangenca o perfl topográfco. A catenára tangente de uma torre é obtda mnmzando o exo da aproxmação parabólca da catenára, dado por x xt L yt + hs y d = +, 2 W x xt para ( xy, ) no perfl do terreno, com x xt. Nesta equação ( xt, y t) e h t são a abscssa, ordenada e altura da torre t, h s é a altura da catenára de segurança na torre t (altura de segurança), W é o peso por metro do cabo condutor e L é a tração longtudnal do cabo. O segundo passo consste em locar nesta catenára as torres de alturas dsponíves tomando por base as nformações do perfl topográfco. Com a determnação de cada possível locação para a torre segunte estão determnados os possíves tpos da torre anteror (que é a prmera torre dos nós sucessores) e conseqüentemente seus custos. 216 Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de 2003

9 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Fgura 3 Operador sucessor, admtndo três alturas dferentes para a segunda torre. O operador sucessor gera locações para a próxma torre ajustando todas as alturas de torres dsponíves à catenára tangente. Exstrão stuações em que, por lmtes de esforço mecânco na torre anteror, é necessáro explorar opções em que a torre segunte esteja localzada na abscssa mas dstante possível da torre anteror tal que esta anda seja de um tpo mas leve, e conseqüentemente, de custo mas baxo. Nestes casos, que somente excepconalmente farão parte do camnho de custo mínmo, a catenára não será tangente ao solo. Grafo. A aplcação do operador sucessor acma descrto permte a cração de sucessores de qualquer nó já crado. O grafo é construído teratvamente à medda que nós são expanddos por aplcações sucessvas do operador sucessor Γ, como descrto na seção anteror. 4. Algortmos e relações de preferênca entre nós Nesta seção, fazemos uma breve dscussão dos algortmos, descrevendo as subestmatvas utlzadas pelo algortmo A* e as relações de preferênca entre nós. O algortmo de Djkstra. O algortmo de Djkstra pode ser aplcado dretamente ao problema. Devdo ao fato de o problema ser de natureza contínua, dfclmente dos camnhos terão o mesmo nó termnal. Conseqüentemente haverá poucas elmnações de camnhos, e as lstas podem crescer explosvamente. Mesmo com a utlzação de tolerâncas para comparações entre nós, o número de elmnações pode ser nsufcente. O melhor método para reduzr as lstas consste na utlzação de uma relação de preferênca entre nós, descrta abaxo. O algortmo A*. O algortmo A*, que reduz o número de expansões fetas por Djkstra, depende de uma subestmatva para o custo de uma lnha de transmssão entre um nó dado e o fm do perfl topográfco. Esta subestmatva pode ser faclmente obtda através do cálculo do custo de uma lnha remanescente que tenha mesmo comprmento em um perfl topográfco perfeto com ondulações acompanhando as catenáras entre as torres. Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de

10 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Relações de preferênca entre nós. Aqu este trabalho ntroduz uma relação de preferênca entre nós que permte detectar certas stuações em que um nó está mas perto do objetvo do que outro nó. A relação de preferênca permte a melhora dos algortmos de Djkstra e A* no Passo 3, permtndo-se que sejam elmnados da lsta de camnhos abertos todos os elementos cujos nós sejam guas ou pores que (ou seja, não preferíves ao defnção a segur) o nó resultante da expansão com custo c j (ou custo total estmado c j + h j no caso do A*) maor que este nó. Conforme descrto formalmente na Seção 2, η = ( n, c, p) elmna η j = ( nj, cj, pj) se n for preferível a n j e se cj c, ou seja, se η tem o mesmo nó termnal e é mas barato ou de mesmo custo. Esta alteração permte uma redução substancal na lsta de nós abertos e conseqüentemente um aumento sgnfcatvo na efcênca no processo. Fgura 4 Exemplo de dos nós satsfazendo a relação de preferênca. Defnção: Consdere duas quíntuplas ( x1, h1, T1, x2, h 2) e ( ˆ1, ˆ 1, ˆ ˆ 1, ˆ2, 2) x h T x h, dentfcando respectvamente os nós n e ˆn. Consdere anda as abscssas e e ê dos exos das catenáras lançadas a partr da segunda torre desses nós. ˆn n (o nó ˆn é preferível ao nó n ) se: xˆ1 x1 xˆ2 x2 ˆ h2 h2 (1) (2) (3) eˆ e (4) A condção (1) sgnfca que a abscssa da prmera torre do nó ˆn (que já tem seu tpo conhecdo) é maor ou gual que a abscssa da prmera torre do nó n (que também já tem seu tpo conhecdo), ou seja, esta torre não está mas perto do fnal do traçado do que aquela. 218 Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de 2003

11 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão A condção (2) sgnfca que a abscssa da segunda torre do nó ˆn (que anda não tem seu tpo conhecdo) é maor ou gual que a abscssa da segunda torre do nó n (que também anda não tem seu tpo conhecdo), ou seja, esta torre não está mas perto do fnal do traçado que aquela. A condção (3) sgnfca que a segunda torre do nó ˆn (que anda não tem seu tpo conhecdo) é menor ou gual que a segunda torre do nó n (que também anda não tem seu tpo conhecdo), ou seja, a altura da segunda torre do nó n não é menor que a altura da segunda torre do nó ˆn. A condção (4) sgnfca que a abscssa do exo da catenára traçada a partr da segunda torre do nó ˆn é maor ou gual que a abscssa do exo da catenára traçada a partr da segunda torre do nó n ou seja, o exo da catenára desta torre não está mas perto do fnal do traçado que o exo daquela (ver Fgura 4). Quando as condções (1), (2) e (4) acma são satsfetas smultaneamente, segue que o nó ˆn está mas avançado no perfl que o nó n. A condção (3) garante que se as segundas torres de ambos os nós receberem a mesma atrbução de tpo, a torre do nó ˆn não será mas cara que a do nó n. Justfcatva da relação de preferênca. A relação de preferênca será utlzada para elmnar camnhos lstados ou gerados: nformalmente, um camnho elmna outro quando seu custo é nferor e seu nó termnal é melhor. A afrmação a segur mostra que a relação de preferênca proposta está bem defnda. Afrmação. Dados dos nós ˆn e n, se ˆn n, então o custo de uma locação ótma de torres a partr de ˆn é menor ou gual que o custo de qualquer locação de torres a partr de n. Demonstração: Consdere dos nós ( ˆ ˆ ˆ nˆ = xˆ1, h1, T1, xˆ2, h2) e n ( x1, h1, T1, x2, h2) suponha que ˆn é preferível a n. = e Consdere uma locação de torres a partr da segunda torre de n até o nó alvo. Demonstra-se aqu que esta mesma locação poderá ser feta a partr da segunda torre de ˆn com custo gual ou menor. Basta examnar a prmera torre após x 2 na locação consderada e seja x 3 sua abscssa. Como eˆ e, a catenára com exo ê passa por baxo da catenára com exo e após o ponto de tangênca desta com o solo. Isto mplca dretamente que a prmera torre do perfl remanescente a partr de ˆη pode ser locada no mesmo ponto x 3, possvelmente com folga na catenára. O custo da lnha remanescente até o alvo é o mesmo nos dos casos por construção. Falta somente demonstrar que o custo da segunda torre do nó n é maor ou gual que o custo da segunda torre do nó ˆn. Das relações (1), (2), e (4) segue medatamente que o vão médo e o vão gravante da segunda torre de ˆn são menores ou guas que os respectvos vãos da segunda torre de n. Portanto o mesmo tpo de torre é acetável nos dos casos. Como ˆ h2 h2, o custo da segunda torre do nó ˆn é menor ou gual que o custo da segunda torre do nó n, completando a demonstração. Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de

12 Fgueredo & Gonzaga Aplcação de métodos de busca em grafos com nós parcalmente ordenados à locação de torres de transmssão Esta relação de preferênca pode ser faclmente ncorporada ao processo de elmnação de elementos da lsta de camnhos abertos ou de elementos sucessores recém-gerados nos algortmos de otmzação descrtos anterormente. Em cada comparação de custo entre elementos de nós guas ao gerado pelo operador sucessor na lsta de camnhos abertos, basta comparar o custo para todos os elementos cujos nós sejam guas ou melhores que nós de elementos da lsta. Este procedmento melhora os algortmos de busca por reduzr o tamanho das lstas de camnhos abertos sem perda de efcênca na determnação do camnho de custo mínmo. 5. Conclusão Este trabalho apresentou um algortmo para otmzação de locação de torres de transmssão que propõe a otmzação global de todo o traçado e utlza algortmos efcentes de busca em grafos, com a ncorporação de uma relação de preferênca entre nós além de comparações de custo. Este procedmento resulta em um aumento de efcênca na determnação de uma lnha de transmssão de custo mínmo. A modelagem em teora de grafos utlzada fo detalhada, foram descrtos os algortmos que se benefcam da ncorporação de relações de preferêncas entre nós, e fo descrta a relação de preferênca entre nós com demonstração de sua valdade. Referêncas Bblográfcas (1) Bob, R.; Dabeks, C. & Fullerton, F. (1963). Electronc Computer Permts Optmzed Tower Spottng of Electrc Transmsson Towers. IEEE Transactons on Power Apparatus and Systems, 66. (2) Çals, H. (1992). A Computer Program for Optmzaton of Tower Spottng. Tese de Mestrado, Gaz Unversty, Ankara, Turqua. (3) Cherdshant, S. (1997). A Computer Program for the Selecton of Optmum Statons and Heghts of Transmsson Towers. Tese de Mestrado, Kng Mongkut Insttute of Technology, Bangkok, Talânda. (4) Gonzaga, C. (1978). Busca de Camnhos em Grafos e Aplcações. I Reunão de Matemátca Aplcada, IBM, RJ. (5) Gonzaga, C. (1973). Estudo de Algortmos de Busca em Grafos e Sua Aplcação a Problemas de Planejamento. Tese de Doutorado, COPPE UFRJ, Ro de Janero. (6) Hart, P.; Nlsson, N. & Raphael, B. (1968). A Formal Bass for the Heurstc Determnaton of Mnmum Cost Paths. IEEE Transactons on Systems Scence and Cybernetcs, 4(2). (7) Neva de Fgueredo, J. (1978). Locação Ótma de Torres de Transmssão Utlzando Teora de Grafos. Dssertação de Mestrado. COPPE/UFRJ. (8) Neva de Fgueredo, J.; Gonzaga, C. & Maculan, N. (1979). Localzação Ótma de Torres de Transmssão Utlzando Teora de Grafos. Revsta Braslera de Pesqusa Operaconal, II(2), (9) Nlsson, N. (1971). Problem Solvng Methods n Artfcal Intellgence. McGraw-Hll Computer Scence Seres. 220 Pesqusa Operaconal, v.23, n.1, p , Janero a Abrl de 2003

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos

Leia mais

Prioridades com Teste de Escalonabilidade

Prioridades com Teste de Escalonabilidade rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Curvas Horizontais e Verticais

Curvas Horizontais e Verticais Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

3 Definição automática de carregamento ótimo

3 Definição automática de carregamento ótimo 3 Defnção automátca de carregamento ótmo A formulação ncal mostrada neste capítulo fo feta por Sérgo Álvares Maffra[11] e parte da mplementação fo feta por Anderson Perera, tendo sofrdo algumas modfcações

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES O PROBLEMA DE CORTE BIDIMENSIONAL COM PLACA DEFEITUOSA ANDRÉA CARLA GONÇALVES VIANNA Unversdade Estadual Paulsta - UNESP Faculdade de Cêncas Departamento de Computação Av. Luz Edmundo Carrjo Coube, s/n,

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

Problemas de engenharia

Problemas de engenharia Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Modelo de Programação Estocástica

Modelo de Programação Estocástica Modelo de Programação Estocástca 23 2 Modelo de Programação Estocástca 2.. Concetos báscos A programação estocástca (PE) é defnda como um modelo de otmzação que apresenta um ou mas parâmetros estocástcos

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

Implementação Bayesiana

Implementação Bayesiana Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,

Leia mais

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas

Leia mais

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G. PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão

Leia mais

Adriana da Costa F. Chaves

Adriana da Costa F. Chaves Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)

6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA) ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

Leia mais

Introdução aos Problemas de Roteirização e Programação de Veículos

Introdução aos Problemas de Roteirização e Programação de Veículos Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam

Leia mais

2 Aproximação por curvas impĺıcitas e partição da unidade

2 Aproximação por curvas impĺıcitas e partição da unidade Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

3 Algoritmo de Busca Tabu

3 Algoritmo de Busca Tabu 3 Algortmo de Busca Tabu 3.1 Introdução A forma básca do algortmo de Busca Tabu está fundamentada nas déas propostas em [Glover Laguna, 1997] e é baseado em procedmentos heurístcos que permtem explorar

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

6 Análises de probabilidade de ruptura de um talude

6 Análises de probabilidade de ruptura de um talude 6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

CAPITULO II - FORMULAÇAO MATEMATICA

CAPITULO II - FORMULAÇAO MATEMATICA CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Estudos de Problemas de Dimensionamento de Lotes Monoestágio com Restrição de Capacidade. Orientador: Prof. Dr. Marcos Nereu Arenales

Estudos de Problemas de Dimensionamento de Lotes Monoestágio com Restrição de Capacidade. Orientador: Prof. Dr. Marcos Nereu Arenales Estudos de Problemas de Dmensonamento de Lotes Monoestágo com Restrção de Capacdade Slvo Alexandre de Araujo Orentador: Prof. Dr. Marcos Nereu Arenales Dssertação apresentada ao Insttuto de Cêncas Matemátcas

Leia mais

Teoremas de Otimização com Restrições de Desigualdade

Teoremas de Otimização com Restrições de Desigualdade Teoremas de Otmzação com Restrções de Desgualdade MAXIMIZAÇÃO COM RESTRIÇÃO DE DESIGUALDADE Consdere o segunte problema (P) de maxmzação condconada: Maxmze Fx onde x x,x,...,x R gx b As condções de Prmera

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Seqüenciação de N ordens de produção em uma máquina com tempo de preparação dependente da seqüência uma aplicação de busca tabu

Seqüenciação de N ordens de produção em uma máquina com tempo de preparação dependente da seqüência uma aplicação de busca tabu XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a 11 de Outubro de 2006 Seqüencação de N ordens de produção em uma máquna com tempo de preparação dependente da seqüênca uma aplcação de busca tabu Renato de Olvera

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO

UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com

Leia mais

6 Modelo Proposto Introdução

6 Modelo Proposto Introdução 6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza

Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -

Leia mais

3.2. Solução livre de ciclos e solução como uma árvore geradora

3.2. Solução livre de ciclos e solução como uma árvore geradora Smplex Para Redes.. Noções Incas O algortmo Smplex para Redes pode ser entenddo como uma especalzação do método Smplex para aplcação em problemas de programação lnear do tpo fluxo de custo mínmo. O Smplex

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

5 Formulação para Problemas de Potencial

5 Formulação para Problemas de Potencial 48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais