275 - Thiagokkk Santohhhhhhs Attias Silva

UM ESTUDO DE MEDIDAS DE CENTRALIDADE E CONFIABILIDADE EM REDES
Thiago Santos Attias Silva
Dissertao de Mestrado apresentada ao Programa de Psgraduao em Tecnologia, Centro Federal de Educao Tecnolgica Celso Suckow da Fonseca CEFET/RJ, como parte
dos requisitos necessrios obteno do ttulo de Mestre em
Tecnologia.
Orientadores:
Leonardo Silva de Lima, D.Sc.
Carla Silva Oliveira, D.Sc.
Rio de Janeiro
Maio de 2010
ii
Um Estudo de Medidas de Centralidade e Confiabilidade em Redes.
Dissertao de Mestrado apresentada ao Programa de Ps-graduao em Tecnologia do Centro

Federal de Educao Tecnolgica Celso Suckow da Fonseca CEFET/RJ, como parte dos requisitos
obteno do ttulo de Mestre em Tecnologia.
Aprovada por:
Presidente, Prof. Leonardo Silva de Lima, D.Sc. (orientador)
Prof. Carla Silva Oliveira, D.Sc. (ENCE/IBGE) (co-orientador)
Prof. Nair Maria Maia de Abreu, D.Sc. (UFRJ)
Prof. Lino Guimares Marujo, D.Sc.
Rio de Janeiro
Maio de 2010
iii
Ficha catalogrfica preparada pela Biblioteca Central do CEFET-RJ
S586
Silva , Thiago Santos Attias

Um estudo de medidas de centralidade e confiabilidade em redes / Thiago
Santos Attias - 2010
vi, 54f. : il., tabs, ; enc.
Dissertao (Mestrado) - Centro Federal de Educao Tecnolgica

Celso Suckow da Fonseca, 2010
Bibliografia : f.52-54
Orientador: Leonardo Silva de Lima .
Co-orientadora: Carla Silva Oliveira
1.Redes modeladas por grafos 2.Teoria dos grafos 3.Redes - Confiabilidade 4.Medidas de Centralidade I.Lima, Leonardo Silva de (orient)
II.Oliveira, Carla Silva (co-orient.) III.Ttulo.
CDD 004.6
iv
RESUMO
Um Estudo de Medidas de Centralidade e Confiabilidade em Redes

Orientadores:
Leonardo Silva de Lima
Carla Silva Oliveira
Resumo da Dissertao de Mestrado submetida ao Programa de Ps-Graduao em Tecnologia
do Centro Federal de Educao Tecnolgica Celso Suckow da Fonseca CEFET/RJ, como parte dos
requisistos obteno do ttulo de Mestre em Tecnologia.
A confiabilidade de uma rede modelada por um grafo dada pela probabilidade que este apresenta
de permanecer conexo aps falha em um subconjunto de seus vrtices e/ou arestas. As medidas de
centralidade de um grafo so utilizadas para medir o grau de relevncia de um vrtice em relao aos
demais vrtices do grafo. Dentre as medidas de centralidade podem ser destacadas as centralidade
de grau, informao, intermediao e de autovetor. A principal questo investigada nesse trabalho
a seguinte: Qual o par de vrtices no adjacentes que deve ser conectado por uma aresta de modo
que o grafo resultante tenha mximo aumento na confiabilidade da rede? Os testes computacionais
apresentados nesse trabalho indicam que as medidas de centralidade podem ser teis para responder
essa questo.
Palavras-chave:
Grafos; Confiabilidade; Medidas de centralidade.
Rio de Janeiro
Maio / 2010
ABSTRACT
A Study of Centrality Measures and Network Reliability

Advisor(s):
Leonardo Silva de Lima
Carla Silva Oliveira
Abstract of dissertation submitted to Programa de Ps-Graduao em Tecnologia do Centro Federal
de Educao Tecnolgica Celso Suckow da Fonseca CEFET/RJ, as partial fulfillment of the requirements for the degree of Technology Master.
The reliability of a network modeled by a graph is defined as the probability to the graph remains
connected after removing a subset of its edges and/or vertices. Centrality measures of a graph are useful to measure the relevance of a vertex related to the others vertices of the graph. Among all centrality
measures one can cite degree centrality, closeness centrality, betweenness centrality and eigenvector
centrality. The main question investigated in this work is the following: Which pair of non adjacent vertices must be connected by an edge such that the resulting graph has maximum reliability increment?
The computational tests presented in this work pointed out that the centrality measures can be useful
to answer this question.
Keywords:
Graph; Reliability; Centrality measures.
Rio de Janeiro
Maio / 2010
Sumrio
Introduo
Conceitos Bsicos
I.1
Teoria dos Grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I.2
Conceitos Bsicos Aplicados em Confiabilidade . . . . . . . . . . . . . . . . . . . . . . .
II Confiabilidade em Redes
II.1 Falhas em Arestas
11
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
III Medidas de Centralidade
18
III.1 Tipologia de Fluxo em Redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

III.1.1 Tipos de Trajetria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
III.1.2 Difuso de Fluxo
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
III.1.3 Processos envolvendo fluxo em redes . . . . . . . . . . . . . . . . . . . . . . . . 20

III.2 Medida de Proximidade (Closeness) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
III.3 Medida de Intermediao (Betweenness) . . . . . . . . . . . . . . . . . . . . . . . . . . 25
III.4 Medida de Intermediao de Fluxo (Flow Betweenness) . . . . . . . . . . . . . . . . . . 26
III.5 Medida de Autovetor (Eigenvector ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
III.6 Medida de Informao (Degree) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
III.7 Clculo das Medidas de Centralidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
IV Confiabilidade em Redes e Medidas de Centralidade
36
Concluso
50
Referncias Bibliogrficas
52
Introduo
O desempenho de empresas prestadoras de servios pblicos medido por diferentes grupos envolvidos como, por exemplo, os seus clientes e os rgos reguladores competentes para cada
segmento. Por exemplo, a ANEEL (Agncia Nacional de Energia Eltrica), no setor de eletricidade
e a ANATEL (Agncia Nacional de Telecomunicaes), no setor de telecomunicaes. Indicadores
de confiabilidade e suas medidas so muito utilizados para quantificar a qualidade de um servio, e
tambm esto associados, pela prpria definio, continuidade de funcionamento de um sistema.
Em alguns casos, como no setor eltrico, este indicador utilizado como parmetro para definio do
valor da tarifa de energia e do percentual de reajuste anual da mesma [1].
A continuidade de fornecimento de um servio est associada, dentre outros fatores, a investimentos no setor de manuteno do sistema. A gesto da manuteno se desenvolveu inicialmente, no
ambiente fabril, principalmente a partir de 1950, j no setor de servios, seu desenvolvimento foi mais
tardio, criando uma defasagem tecnolgica da manuteno em relao fabricao. Desde ento,
o avano da manuteno, no mbito da prestao de servios, ocorreu em trs principais linhas de
ao: mtodos de gerenciamento, aumento da confiabilidade de equipamentos e sistemas, alm do
desenvolvimento de alternativas tecnolgicas para os equipamentos existentes [29]. Isto representa
uma forte motivao para o avano das tcnicas de anlise de confiabilidade em redes. Alm disto,
ao analisar a qualidade de um servio prestado, no se pode deixar de considerar a percepo do
cliente em relao ao servio que lhe oferecido. Para isto, pode ser utilizada uma ferramenta de
mensurao da qualidade de servios percebida pelo cliente chamada SERVQUAL, desenvolvida e
apresentada em [26] e utilizada em outros trabalhos, como pode ser visto em [19]. Esta ferramenta,
tambm considera a confiabilidade como um de seus parmetros de anlise.
Quanto maior a confiabilidade de um sistema, menor a possibilidade de falhas e mais garantida
ser a manuteno da qualidade dos servios. Entretanto, no mundo real, a construo de uma rede
considerada infalvel economicamente invivel. Neste mbito, um dos principais objetivos ao planejar
a construo ou expanso de uma rede, obter um elevado grau de confiabilidade, com o menor investimento financeiro possvel, ou seja, maximizar a razo entre a confiabilidade e o custo, considerando
as restries do projeto. Em algumas situaes necessrio expandir pontos especficos da rede, em
funo das necessidades do sistema. A Teoria dos Grafos pode ser utilizada como uma importante
ferramenta de anlise em diferentes tipos de redes existentes, como um sistema eltrico de potncia,
uma rede de telecomunicaes, uma malha ferroviria, dentre outros. O clculo da confiabilidade de
um grafo que modela uma rede um problema muito difcil de ser resolvido, do tipo NP-Hard [30].
Em determinadas situaes so consideradas aproximaes, visando simplificar a rede estudada e,
consequentemente, facilitar a obteno do valor de sua confiabilidade. Em [11], so apresentados
mtodos para calcular a confiabilidade de uma rede, onde considera-se que apenas as arestas possam falhar, sendo os vrtices infalveis. Em [15] so consideras falhas apenas nos vrtices. Pode ser
vista em [30], uma aproximao combinatorial para o clculo da confiabilidade de um grafo, supondo
a possibilidade de falha, tanto nos vrtices, quanto nas arestas. Para isto, necessrio conhecer
e avaliar as particularidades de cada problema, visando definir qual tipo de aproximao poder ser
aplicada a cada caso.
A identificao dos principais elementos de um sistema importante para auxiliar a tomada de
deciso no momento de escolher em qual trecho da rede deve-se investir em determinado instante. Em
uma rede de transmisso de fluxo pode existir um ponto que seja o nico ou o principal elo de ligao
entre importantes trechos. Este ponto deve ser identificado para que tenha um tratamento especial, sob
o ponto de vista da confiabilidade, visto que em caso de defeito no mesmo o impacto para o sistema
ser relevante. Medidas de centralidade podem ser utilizadas para identificar os principais pontos
de uma rede, sob diferentes aspectos. Existem medidas que determinam maior grau de relevncia
para elementos com maior nmero de relaes diretas com os demais, outras indicam relevncia para
pontos que se encontram mais prximos do restante dos elementos da rede, dentre outras. Ao realizar
uma anlise em um caso real, atravs das medidas de centralidade deve-se verificar qual delas se
adequa melhor s caractersticas particulares de cada caso, conforme ser apresentado no Captulo
4. Em [13], [7] e [14] so apresentadas diferentes medidas de centralidade, com suas aplicaes e
interpretaes de resultados. Neste trabalho so abordadas as principais medidas de centralidade,
suas particularidades e aplicaes, alm de uma possvel relao com o clculo da confiabilidade em
redes.
Objetivo
O objetivo geral deste trabalho apresentar os principais conceitos e aplicaes de confiabilidade e de medidas de centralidade em redes modeladas por grafos, indicando uma possvel relao
entre as medidas de centralidade e o clculo da confiabilidade.
Metodologia
Ao longo deste trabalho, foram utilizados alguns softwares para auxiliar a apresentao e
obteno dos dados. Para desenhar os grafos, foi utilizado o software YED [32] e para calcular os
valores das medidas de centralidade utilizou-se o software Netdraw [10]. A pesquisa bibliogrfica foi
realizada em diversas fontes, com nfase em peridicos da Capes, e nas revistas Networks e Social
Networks.
Motivao
A anlise da confiabilidade de uma rede e a identificao de seus principais elementos so importantes ferramentas para diversos estudos prticos, como por exemplo, a expanso e manuteno de
sistemas eltricos, de transportes e de telecomunicaes. Estes estudos esto diretamente relacionados qualidade de prestao de servios de uma empresa e seus resultados podem ser utilizados
como importantes indicadores no auxlio a tomadas de deciso.
Estrutura do Trabalho
Foi realizada uma reviso bibliogrfica sobre confiabilidade em redes e medidas de centralidade em grafos. No Captulo 2, so apresentados os conceitos bsicos da Teoria de Grafos e outros
conceitos relevantes. No Captulo 3, so apresentadas definies e mtodos de clculo da confiabilidade em redes, alm de algumas possveis simplificaes. J no Captulo 4, so definidas as
principais medidas de centralidade existentes, alm de apresentar exemplos sobre estes conceitos. O
captulo 5 mostra uma possvel relao entre as medidas de centralidade e a escolha do melhor ponto
para expanso de uma rede, sob o ponto de vista da confiabilidade da rede. Finalmente, o captulo 6,
apresenta as concluses e propostas para trabalhos futuros.
Captulo I
Conceitos Bsicos
Neste captulo so apresentados os principais conceitos e definies, incluindo exemplos referentes Teoria dos Grafos e Confiabilidade de redes, necessrios para a compreenso dos tpicos
abordados ao longo deste trabalho.
I.1 Teoria dos Grafos

Um grafo uma estrutura G(V ; E), onde V um conjunto discreto cujos elementos so denominados de vrtices ou ns e E , um conjunto de subconjuntos a dois elementos de V , cujos elementos so denominados arestas de G. O grafo G(V ; E) de ordem n, quando |V | = n e de tamanho
m, se |E| = m, 0 m n(n 1)/2. Um grafo G(V, E) dito valorado quando existe uma ou mais
funes relacionando V e/ou E a conjutos de nmeros.
Um grafo com |V | = 1 e |E| = 0 denominado trivial. Um grafo com m = 0 denominado
totalmente desconexo ou vazio. Os vrtices interligados por uma aresta so denominados adjacentes.
Um percurso ou itinerrio, uma famlia de ligaes sucessivamente adjacentes. Um percurso
fechado quando a ltima ligao da sequncia for adjacente primeira e aberto nos demais casos.
Um percurso aberto pode possuir subpercursos fechados, e se duas ou mais arestas tiverem um
vrtice em comum, elas so denominadas incidentes, caso contrrio so independentes.
Um grafo um caminho se seus vrtices podem ser ordenados de tal maneira que o primeiro seja
adjacente ao segundo, o segundo adjacente ao terceiro, e assim sucessivamente, at que o penltimo
seja adjacente ao ltimo e que no haja outras adjacncias entre os vrtices alm dessas. Em outras
palavras, um grafo G(V ; E) um caminho se V admite uma permutao tal que E(G)={(vi , vi+1 ),
1 i < n}. Os vrtices v1 e vn so denominados extremos do caminho. Um ciclo um caminho

que comea e termina no mesmo vrtice. Quando uma aresta de ligao envolver apenas um nico
vrtice, ou seja, tiver como origem e destino o mesmo vrtice, ela denominada lao. As arestas de
um grafo podem possuir ou no um sentido de orientao de fluxo. Um arco uma aresta de ligao
orientada entre dois vrtices. Um grafo orientado ou digrafo aquele cujas arestas so orientadas,
como por exemplo o grafo da Figura I.1.
Figura I.1: Digrafo.

Um grafo G0 = (V 0 ; E 0 ) um subgrafo de G = (V ; E), quando V 0 V e E 0 E . comum
representar G0 como subgrafo de G atravs de G0 G. Um subgrafo G0 de G gerador se V 0 (G0 )
= V (G) e E 0 (G0 ) E(G), ou seja, G0 constitudo apenas pela supresso de arestas de G. Para
G0 obtido atravs da supresso de vrtices de G, tal que x , y V 0 , se (x , y ) E 0 ento

(x , y ) E , G0 denominado subgrafo induzido de G.
O grau de um vrtice vi V , denotado por d(vi ), o nmero de arestas ligadas diretamente a
ele. A partir disto, a sequncia de graus de um grafo G, dada por dG = (d(v1 ), ..., d(vn )), onde
d(v1 ) ... d(vn ). O grau mnimo de G, denotado por (G), definido como (G) = d(vn ) e o
grau mximo, denotado por (G) definido por (G) = d(v1 ). Um grafo dito k regular quando
d(vi ) = k , 1 i n. Quando d(vi ) = n 1, 1 i n, o grafo dito completo e denotado por

Kn . Uma clique de G um subconjunto de vrtices cujo subgrafo induzido por ele, G0 , forma um grafo
completo.
Dois grafos G = (V1 ; E1 ) e H = (V2 ; E2 ) so iguais quando V1 = V2 e E1 = E2 . Grafos isomorfos
so aqueles que possuem a mesma estrutura. De outro modo, dois grafos G e H so denominados
isomorfos quando existir uma bijeo f tal que, para todo vi V1 e para todo wj V2 , wj = f (vi )
de modo que as relaes de adjacncia sejam preservadas, isto (vk , vr ) E1 , se e somente se,
(wp , wq ) E2 , onde wp = f (vk ) e wq = f (vr ). A Figura I.2 exibe 3 grafos isomorfos.
Figura I.2: Grafos Isomorfos.

H diversas representaes matriciais associadas a grafos e o seu uso est, habitualmente, relacionado necessidade de realizao de clculos envolvendo dados estruturais. Dentre as matrizes
mais conhecidas, tem-se as matrizes de adjacncia, incidncia, laplaciana, laplaciana sem sinal e
outras. Neste trabalho sero utilizadas as matrizes de adjacncia, denotada por, A(G) e laplaciana,
denotada por L(G). A matriz de adjacncia de G, A(G), a matriz de ordem n, cujas entradas so:
1, se (vi , vj ) E para vi , vj V ;
aij =
0, nos outros casos.
facil verificar que A(G) simtrica, ou seja, aij = aji , 1 i, j n.
A Figura I.3 exibe um grafo com 4 vrtices e 5 arestas.
Figura I.3: Grafo G.

A matriz de adjacncia do grafo da Figura I.3 :
0 1 1 1
1 0 1 0
A(G) =
1 1 0 1
1 0 1 0
Seja B = [bij ] uma matriz quadrada de ordem n e Mij o determinante da submatriz obtida de B
eliminando-se a i-sima linha e a j-sima coluna. O nmero Cij = (1)i+j Mij denominado cofator
de bij . A matriz [Cij ], i, j = 1, ..., n denominada matriz de cofatores de B e sua transposta
denominada adjunta de B , denotada por Adj(B).
Seja D, D(G) = (dii ), 1 i n, a matriz diagonal, cujos elementos de sua diagonal principal,
dii = d(vi ), so os graus dos vrtices do grafo G. A matriz L(G) = D(G) A(G), onde A(G) a
matriz de adjacncia de G, denominada matriz laplaciana ou laplaciano do grafo G, [3]. A Figura I.4
exibe um grafo com 5 vrtices e 6 arestas.
Figura I.4: Grafo G.

A matriz Laplaciana do grafo da Figura I.4 :
1 3 1 1 0
L(G) = 0 1 2 1 0
0 1 1 3 1
1 0
0 1 2
I.2 Conceitos Bsicos Aplicados em Confiabilidade

A definio de Confiabilidade de Redes depende basicamente de dois parmetros de vulnerabilidade: a conectividade de aresta e o cardinal de conectividade de aresta. O objetivo central desta
seo apresentar as definies da Teoria dos Grafos com aplicao mais direta na de soluo de
problemas de Confiabilidade de Redes.
A conexidade de um grafo est relacionada possibilidade de transmisso de fluxo de um vrtice
a outro, utilizando as arestas existentes. Um grafo conexo possibilita a ligao entre todos os seus
vrtices atrves das arestas nele existentes, j em um grafo desconexo isto no possvel. O conceito
de conexidade est inteiramente associado s definies de confiabilidade e vulnerabilidade de uma
rede modelada por um grafo. vlido destacar, que a anlise da conexidade em grafos orientados
e no orientados, no realizada da mesma forma, visto que deve-se observar o sentido de fluxo
permitido em cada aresta de um digrafo. Uma rvore um grafo conexo sem ciclos. A conectividade
de aresta, denotada por (G) ou simplesmente , dada pelo menor nmero de arestas cuja remoo
torna o grafo G desconexo. A conectividade de vrtice, denotada por, (G) ou simplesmente , por
sua vez, dada pelo menor nmero de vrtices cuja remoo torna o grafo G desconexo ou trivial. Um
corte de arestas em G ou conjunto separador de G um conjunto de arestas cuja remoo desconecta
G ou o torna trivial. Se uma nica aresta for responsvel pelo corte, esta chamada de ponte. De
maneira anloga, define-se o corte de vrtices como o conjunto de vrtices cuja remoo, juntamente
com as arestas ligadas a ele, desconecta o grafo ou o torna trivial. Se um nico vrtice determinar um
corte, este ser denominado ponto de articulao.
O Teorema a seguir determina o mximo valor de (G) e (G) quando n e m so previamente
conhecidos.
T EOREMA I.1. [20]: Dentre todos os grafos com n vrtices e m arestas, a conectividade mxima de
arestas igual conectividade mxima de vrtices e, ambas so iguais a 0, quando m < n 1 e
iguais a b 2m
n c, quando m n 1. Recorre que se G mximo em (G), ento (G) = (G).
Outra observao importante e bastante til para o clculo de (G), a relao existente entre os
valores de (G), (G) e (G), que expressa atravs da seguinte inequao.
(G) (G) (G).
(I.1)
O nmero de conjuntos de cortes de arestas com uma dada cardinalidade i, denotado por mi (G)
e o nmero de subgrafos geradores conexos contendo i arestas, denotado por Si (G), so parmetros
importantes e fundamentais para os clculos de confiabilidade, que sero apresentados nos captulos
a seguir. Quando i for igual ao nmero de arestas m de um grafo G, tem-se Si = 1, pois, neste
caso, o prprio grafo G o nico subgrafo gerador conexo contendo m arestas. Abaixo apresentado
um grafo G com 5 vrtices e 6 arestas e uma tabela, contendo todos os valores de Si (G) e mi (G),
1 i 6.
Seja G o grafo dado na Figura I.5. As Figuras I.6, I.7 e I.8, mostram todos os subgrafos conexos
geradores conexos com 4, 5 e 6 arestas.
Figura I.5: Um grafo G e seus valores de Si e mi .
Figura I.6: S4 (G) = 11.
Figura I.7: S5 (G) = 6.
Figura I.8: S6 (G) = 1.
10
A Figura I.5 nos permite observar que Si + m(|E|i) = Qi (G0 ), 1 i n, onde:
Qi (G0 ) =
|E|
i
|E|!
.
i!(|E| i)!
(I.2)
Um modo de se calcular o nmero de subgrafos geradores contendo exatamente n 1 arestas

mostrado no prximo captulo e envolve o conceito de matriz Laplaciana do grafo G.
Captulo II
Confiabilidade em Redes
Sabe-se que o clculo da confiabilidade de uma rede representada atravs de um grafo um
problema difcil de ser resolvido. Com isso, importante, para facilitar os clculos necessrios, que
algumas aproximaes sejam consideradas sempre que possvel. De modo geral, qualquer elemento
de uma rede passvel de falha. Entretanto, pode-se considerar, em determinados casos, que apenas
as arestas possuam alguma probabilidade de falha e os vrtices sejam confiveis [11], ou os vrtices
possam falhar e as arestas no [15], ou ainda, possvel considerar que qualquer elemento possa
falhar [30]. Este trabalho designa maior destaque ao primeiro caso.
No estudo de confiabilidade, necessrio definir se uma possvel configurao de operao da
rede se encontra em um estado aceitvel ou no, dentro de determinados critrios de classificao,
apresentados a seguir. A partir desta definio, podemos iniciar os clculos de confiabilidade de um
referido sistema. Dentre as possveis classificaes de uma rede temos:
K -Terminal - Uma rede deste tipo representada por um grafo G e considerada operante, se
o subgrafo G0 , formado pelas arestas em funcionamento, mantm todos os K vrtices conectados. Este modelo pode ser aplicado em uma rede de suprimentos, onde apenas K unidades
necessitam estar conectadas para considerar o sistema operante.
Two-Terminal - um caso particular da classificao K -terminal, onde apenas dois vrtices, ditos
terminais, do subgrafo G0 precisam estar conectados para que o estado do sistema seja considerado aceitvel ou operante. Esta classificao bastante utilizada em anlise de sistemas de
transmisso, onde consideram-se os vrtices de origem (fonte) e destino (carga), como os que
necessitam estar conectados, mesmo aps falhas em linhas de transmisso existentes (arestas).
12
All-Terminal - Tambm um caso particular da classificao K -terminal, onde K igual ao nmero

total de vrtices do grafo inicial G. Uma rede de distribuio eltrica ou telefnica que considere
o atendimento a todos os clientes existentes, fator fundamental para o seu funcionamento, um
exemplo de aplicao desta classificao.
II.1 Falhas em Arestas

Uma rede modelada por um grafo no orientado G com n vrtices e m arestas. Neste
grafo cada vrtice perfeitamente confivel e somente as arestas e esto propensas falhas, com
probabilidade de falha e . Para calcular a confiabilidade de uma rede, ou seja, a probabilidade desta
permanecer operante, mesmo aps uma ou mais falhas, conforme o critrio de classificao adotado,
necessrio determinar a probabilidade de ocorrncia de cada possvel estado de funcionamento da
rede considerado operante e depois somar os resultados obtidos. O nmero total de possveis estados
dado por 2m , onde m o nmero de arestas da rede. A probabilidade de ocorrncia de cada estado
da rede dada pelo seguinte produtrio:
Y
eE 0
(1 e )
e ,
(II.1)
e(E\E 0 )
onde E o conjunto de arestas do grafo G e E 0 o conjunto formado pelas arestas do grafo que se
encontram em funcionamento.
Na Figura II.1, tem-se a representao de uma rede de suprimentos, representada pelo grafo G,
onde as probabilidades de falha nas arestas so e1 , e2 , e3 , e4 e e5 para as arestas e1 , e2 , e3 , e4 e
e5 , respectivamente. O sistema considerado operante se houver qualquer ligao entre os vrtices

F (fonte) e D (destino).
13
Figura II.1: Grafo G.

Considere o estado de funcionamento das arestas e1 , e2 , e3 , e4 e e5 do grafo G da Figura II.1,
representado pela matriz linha (I(e1 ), I(e2 ), I(e3 ), I(e4 ), I(e5 )), onde I(ej ) = 1, se a aresta e1 est
em funcionamento e I(ej ) = 0, se a aresta ej falha . Em 7 dos 32 = 25 , possveis estados do
sistema, o mesmo permanecer operante, conforme os critrios definidos anteriormente. Os estados
considerados operantes so indicados abaixo.
(1,0,1,0,1); (1,1,1,0,1); (1,0,1,1,1); (0,1,0,1,1); (1,1,0,1,1); (0,1,1,1,1) e (1,1,1,1,1).
Sendo assim, a confiabilidade do sistema dada por:
e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +

e1 e2 e3 e4 e5 ,
onde e a probabilidade da aresta e se manter em operao.
Em alguns casos pode-se considerar = 1 = 2 = . . . = m . Nestas situaes possvel
calcular a probabilidade de G permanecer conexo (critrio de classificao All-Terminal), aps a falta
de operao de algumas de suas arestas, atravs da expresso II.2.
R(G; ) =
m
X
Si (1 )i mi ,
(II.2)
i=n1
onde Si o nmero de subgrafos geradores conexos contendo i arestas.

Empiricamente esta considerao pode ser feita principalmente quando estamos tratando de uma
rede cujas arestas so meios de comunicao constitudos de um mesmo material e tecnologia. Para
o grafo da Figura II.2, o clculo de R(G; ) dado por:
R(G; ) =
P5
i=4 Si (1
)i mi = 5(1 )4 1 + 1(1 )5 0 .
Para = 0.2, temos:
R(G; 0.2) = 5(1 0.2)4 0.21 + 1(1 0.2)5 0.20 = 0.745
14
Figura II.2: Grafo G.

Para pequenos valores de pode-se aproximar o clculo de R(G; ) pelo valor do primeiro termo
da expresso II.2 [21]. Para estes casos, tem-se:
R(G; ) = Sn1 (1 )n1 m(n1)
(II.3)
Considerando uma rede existente de qualquer natureza, pode-se aumentar o valor de sua confiabilidade, atravs da insero de novas arestas com a mesma probabilidade de falha . Para o grafo
da Figura II.2, a confiabilidade das novas redes geradas, a partir da insero de uma aresta, entre
qualquer um de seus vrtices no consecutivos, ter sempre o mesmo valor, visto que, por se tratar de
um grafo ciclo, todas as redes geradas pela insero de uma aresta, podem ser modeladas por grafos
isomorfos, conforme mostrado na Figura II.3.
Figura II.3: Grafos gerados a partir da Figura II.2.

Neste caso R(G1 ; ) = R(G2 ; ) = R(G3 ; ) = R(G4 ; ) = R(G5 ; ) =
P6
i=4 Si (1
)i mi =
11(1 )4 2 + 6(1 )5 1 + 1(1 )6 0 .

Considerando = 0.2, temos R(G1 ; 0.2) = 0.8355. O que representa um aumento de 12% em relao
confiabilidade da rede inicial R(G; 0.2).
De maneira similar, ao inserir uma nova aresta em G1 , com a mesma probabilidade de falha , so
obtidos dois novos grafos, G11 e G12 , no isomorfos, apresentados nas Figuras II.4 e II.5, respectivamente. Neste caso, R(G11 ; ) 6= R(G12 ; ) e ambas so maiores que R(G1 ; ). Contudo, importante
15
destacar que grafos no isomorfos podem possuir o mesmo valor de confiabilidade, o que no ocorreu
neste exemplo.
Figura II.4: G11 .

Veja que para o grafo G11 da Figura II.4 o valor de R(G11 ; ) dado por: R(G11 ; ) =
P7
i=4 Si (1
)i mi . Se = 0.2, R(G11 ; ) = 0.894, o que representa um aumento de 7.00% em relao

R(G1 ; 0.2).
Figura II.5: G12 .

Para o grafo G12 da Figura II.5, tem-se: R(G12 ; ) =
P7
i=4 Si (1
)i mi
Para = 0.2, R(G12 ; 0.2) = 0.917, o que representa um aumento de 9.75% em relao R(G1 ; 0.2).
A insero de novas arestas no grafo anterior, poder aumentar o seu valor de confiabilidade, at
que o grafo se torne completo, onde no h mais possibilidade de novas inseres. Observa-se nos
exemplos anteriores, que o valor da confiabilidade de uma rede depende de sua topologia, at mesmo
se as topologias tiverem o mesmo nmero de vrtices e arestas. Alm disto, podem existir grafos
G(V ; E) e H(V 0 ; E 0 ), que para determinados valores de , tem-se R(G; ) > R(H; ), e para outros
valores de , tem-se R(G; ) < R(H; ), conforme pode ser verificado atravs dos grafos da Figura
II.6 e dos clculos apresentados abaixo.
16
Figura II.6: Grafos G(V ; E) e H(V ; E).

Os polinmios de R(G; ) e R(H; ) so dados por:
R(G; ) = 32(1 )5 3 + 24(1 )6 2 + 8(1 )7 1 + 1(1 )8 0 .

R(H; ) = 30(1 )5 3 + 25(1 )6 2 + 8(1 )7 1 + 1(1 )8 0 .
A partir dos polinmios acima, pode-se concluir que:
R(G; ) < R(H; ), para 0 < < 1/3,

R(G; ) = R(H; ), para = 1/3,
R(G; ) > R(H; ), para 1/3 < < 1.
Existem ainda casos onde um grafo G(V ; E) possui o maior valor de confiabilidade, R(G; ), dentre
todos os outros possveis grafos de mesma ordem |V | e tamanho |E|, para todo valor de , no intervalo
(0, 1). Este grafo G(V ; E) denominado UOR (Uniformly Optimally Reliable) [5]. Os grafos UOR vm
sendo estudados por diversos autores em diferentes trabalhos, como pode ser visto em [2], [17] e
[23]. Uma classe de grafos tambm estudada, por sua baixa vulnerabilidade e forte confiabilidade, a
classe de grafos de Harary. Os estudos mostram que para b 2m
n 3c, h um subconjunto dos grafos de
Harary que so os mais confiveis dentre todos os grafos com n vrtices e m arestas. Para maiores
detalhes e reviso da literatura do assunto, veja [31].
Importante observar que os estudos para melhoria da confiabilidade de uma rede, no devem
contemplar apenas a insero de novas arestas ou melhoria do valor de confiabilidade desta aresta,
mas tambm qual a melhor topologia de uma determinada rede para um dado valor de . Pode-se
observar que o clculo dos Si para grafos maiores, bastante desgastante de ser executado de forma
manual e at mesmo computacional. Este clculo constitui um problema NP-Hard [11] e por isso so
mostradas algumas conhecidas simplificaes utilizadas para o clculo de R(G; ). Entretanto, o valor
de Sn1 pode ser calculado utilizando conceitos da Teoria Espectral em Grafos. A seguir, o Teorema
3.1 apresenta um resultado interessante para o clculo de Sn1 .
17
T EOREMA II.1. [3] Todo cofator da matriz Laplaciana de G, L(G), igual ao nmero de rvores geradoras de G, denotado por (G), ou seja.
AdjL(G) = (G)J,
(II.4)
onde J a matriz de ordem n cujas entradas so iguais a 1 e (G) = Sn1 .

Considerando o grafo G e sua matriz Laplaciana, exibidos na Figura I.4, temos que Cij = (G) =
Sn1 = 11, i, j = 1, ...n.

De acordo com a definio de conectividade de aresta (G), considerando G um grafo conexo, se
um dado nmero de arestas inferior ao valor de (G) for retirada de G, o subgrafo gerado continua
sendo conexo. Ou seja, sempre que (G) for maior que a quantidade de arestas a ser removida de
um dado grafo G, todos os subgrafos gerados a partir de G sero conexos e o nmero total desses
grafos pode ser obtido utilizando a expresso I.2.
A confiabilidade de um grafo pode ser calculada atravs da anlise do problema de forma inversa.
Pode-se medir a confiabilidade atravs da funo de no confiabilidade, ou seja, calculando a probabilidade do grafo tornar-se desconexo aps a falha de algumas arestas. Isto dado pela seguinte
expresso:
P (G; ) =
m
X
mi (1 )i ()mi ,
(II.5)
i=
onde a probabilidade de no falha das arestas do grafo.

Pela funo da propriedade complementar da probabilidade, temos
R(G; ) + P (G; ) = 1.
A anlise inversa do problema bastante til e pode facilitar o clculo da confiabilidade em determinados casos, especialmente para valores elevados de . Em [21], mostrado que para 1, o
clculo de P (G; ) pode ser aproximado pelo valor do primeiro termo de (II.5), ou seja,
P (G; )
= m (1 ) .
(II.6)
Captulo III
Medidas de Centralidade
As medidas de centralidade so uma importante ferramenta, aplicada em diversos estudos,
como redes sociais [13], redes de transportes [16], mercado financeiro [12], dentre outros. No mbito
das redes sociais um dos conceitos mais estudados [8]. Elas podem ser utilizadas para medir o grau
de relevncia dos vrtices de uma rede representada atravs de um grafo G, ou seja, o quanto um
vrtice vk mais ou menos importante em relao aos demais vrtices vi , 1 i n, i 6= k , sendo
n o nmero total de vrtices da rede. Existem diferentes tipos de medidas de centralidade, dentre
elas destacam-se as de Proximidade (Closeness) [13], Intermediao (Betweenness) [13], Autovetor
(Eigenvector ) [7] e Informao (Degree) [25]. Alm disto, em [13] tambm apresentada uma medida
de centralidade de grafos, baseada na centralidade de seus vrtices. A partir do resultado de cada
medida de centralidade, possvel ordenar os vrtices da rede em funo de sua importncia relativa,
entretanto um vrtice vk no estar obrigatoriamente na mesma posio de acordo com a anlise de
todas as medidas. Isto ocorre pois a expresso utilizada para o clculo de cada medida de centralidade
est associada a um significado distinto das demais. Sendo assim, ao analisar uma rede atravs da
centralidade de seus vrtices, deve-se identificar o contexto do problema para escolher qual medida
a mais adequada para cada anlise, conforme apresentado nas sees a seguir.
III.1 Tipologia de Fluxo em Redes

O modo como o fluxo percorre e se difunde atravs da rede varia de acordo com o processo
que est sendo realizado. Por exemplo, um livro pode ser transferido apenas de uma pessoa para
outra a cada instante, j uma mensagem de e-mail pode ser enviada de uma pessoa para diversas
19
outras ao mesmo tempo. Este tipo de anlise, possibilita a comparao e a distino entre diferentes
processos, alm de auxiliar na escolha da medida de centralidade mais indicada para analisar cada
caso. Nas sees a seguir, so apresentadas caractersticas de alguns modos de trfego e difuso do
fluxo em redes.
III.1.1 Tipos de Trajetria

Caminho (Path)
Processos de difuso de fluxo, cuja trajetria considerada um caminho, so aqueles
onde o fluxo percorre a rede de um vrtice a outro atravs de duplicao e, ao longo de sua
trajetria, este fluxo jamais retorna a um vrtice j visitado anteriormente. Por exemplo, em
um processo de transmisso de infeco, onde um indivduo vi infectado e se torna imune
doena, vi pode transmitir a doena aos demais membros da rede, entretanto no pode ser
infectado novamente.
Caminho Geodsico (Geodesic Path)

Nestes casos o fluxo trafega pela rede de forma similar ao caminho, entretando flui sempre atravs dos menores caminhos. Um motoqueiro ao entregar uma pizza busca os menores
caminhos pelas ruas desde a pizzaria at chegar ao seu destino e entregar a mercadoria, visto
que o caminho previamente conhecido. Neste processo no pode haver repetio dos vrtices
nem das arestas j utilizadas.
Trilha (Trail)
Nestes casos o fluxo pode passar, sem restries, pelo mesmo elemento para alcanar
novos alvos. Entretanto, isto ocorre sempre sem a utilizao do mesmo canal de comunicao, ou seja, o fluxo pode passar pelo mesmo vrtice diversas vezes, todavia no pode haver
repetio de arestas. Por exemplo a propagao de uma notcia considerada uma trilha, visto
que uma pessoa pode ser informada atravs de diferentes meios e propagar a informao, contudo, a mensagem dificilmente ser repetida entre as mesmas pessoas da rede.
Percurso (Walk )
Esta trajetria no apresenta qualquer restrio de fluxo durante o processo, ou seja,
o fluxo pode voltar para um vrtice j visitado, inclusive atravs da mesma aresta utilizada anteriormente. Um exemplo deste processo o fluxo monetrio, onde uma cdula recebida por
20
uma pessoa A de uma pessoa B na compra de um material, pode ser reutilizada e, futuramente,
voltar da pessoa A para a B, de forma direta ou indireta. Ou seja, a cdula pode percorrer outras pessoas at voltar para a pessoa A ou retornar diretamente da pessoa B para a pessoa A.
Todo caminho uma trilha e toda trilha um percurso aleatrio, entretanto, nem todo percurso
aleatrio um trilha e nem toda trilha um caminho.
III.1.2 Difuso de Fluxo

Esta classificao refere-se a maneira como o fluxo difundido pela rede, ou seja, como ele
expandido desde a origem at atingir os demais elementos da rede.
Duplicao em srie
Ocorre quando a cada instante o fluxo transmitido de um vrtice para um nico outro,
ficando ambos os elementos, o vrtice emissor e o receptor, de posse do fluxo transmitido. A
transmisso de doena de uma pessoa para outra ou a transmisso de informao atravs de
uma conversa particular, so exemplos deste tipo de duplicao. Em ambos os casos, a difuso
feita de um vrtice para o outro, ficando os dois vrtices proprietrios do fluxo aps o contato.
Duplicao paralela
Ocorre de maneira anloga duplicao em srie, entretanto o fluxo pode ser transmitido
de um vrtice para diversos outros simultaneamente. o que acontece com mensagens enviadas para grupos de e-mail, notcias publicadas em jornal e informaes passadas em paletras
para diversos expectadores.
Transferncia
Neste caso o fluxo transmitido de um vrtice para outro sem deixar cpia no vrtice
emissor. A transferncia pode ser realizada para apenas um vrtice ou para um conjunto deles
no mesmo instante. No fluxo econmico, por exemplo, uma cdula ou moeda transferida de
uma pessoa A para outra B. Aps isto, apenas a pessoa B mantm posse da moeda.
III.1.3 Processos envolvendo fluxo em redes

Nesta seo, so apresentados alguns exemplos de processos envolvendo fluxo em redes e os
modos de trfego deste fluxo pelas redes, visando auxiliar a identificao e distino entre os diversos
processos existentes.
21
Fluxo de mercadorias
Sendo uma mercadoria um objeto indivisvel, ela pode passar de uma pessoa A para
uma pessoa B, posteriormente para uma pessoa C e assim por diante. Facilmente este objeto
pode retornar para a pessoa A, visto que a N-sima pessoa, por exemplo, pode no saber
que a pessoa A j esteve com o objeto. Entretanto, uma pessoa que entregou a mercadoria
para outra, no ir receber novamente a mesma mercadoria da mesma pessoa e nem reenviar
esta mercadoria para a mesma pessoa, caso ela receba novamente de algum, ou seja, se
uma pessoa B entregar um livro para uma pessoa C, e depois a pessoa B receber novamente
este livro de uma pessoa H, a pessoa B certamente no ir emprestar o livro novamente para
a pessoa C, visto que ela sabe que a pessoa C j leu o livro. Sendo assim, nestes casos
a trajetria utilizada a trilha, visto que pode haver repetio de vrtice, mas no de aresta
durante o percurso do fluxo na rede.
Moeda
Uma moeda ao circular pela economia, muda de proprietro a cada transao efetuada.
De forma similar s mercadorias, a moeda indivsivel e s pode estar em um lugar por vez.
Ela flui pela rede sem deixar cpias pelos vrtices j visitados. Contudo, diferente de uma
mercadoria, as moedas no possuem restries em relao sua trajetria, que classificada
como percurso (Walk). Sendo assim, durante o seu percurso, uma moeda pode retornar a um
vrtice j visitado, inclusive atravs de uma aresta j utilizada.
Informao Privada
Considere a transmisso de uma informao sigilosa. O fato de ser secreta, no impede
o fluxo da informao pela rede. Entretanto, em geral, o fluxo percorre de pessoa para pessoa
individualmente. Diferente dos casos anteriores, conforme o fluxo avana pela rede uma cpia
deixada nos vrtices j visitados, visto que todos possuem o conhecimento da informao.
Sendo assim, a tranferncia se d atravs de duplicao seriada. Esta notcia ir fluir de pessoa
para pessoa, sendo assim, uma pessoa G pode tornar a passar a informao para uma pessoa
A, que j sabia da notcia, considerando que a pessoa G no tinha conhecimento que a pessoa
A j havia recebido a notcia. Com isso, o fluxo percorre a rede com a restrio de no repetir
uma aresta j utilizada, mas sem restrio em relao ao vrtice j visitado.
22
Mensagens digitais
Mensagens enviadas atravs da internet, como publicidade para promover o uso de algum produto, so enviadas a partir de uma pessoa para diversas outras e podem ser lidas por
vrias pessoas ao mesmo tempo. Sendo assim, uma mensagem pode estar em diversos lugares ao mesmo tempo, em funo de sua transfncia ocorrer por duplicao paralela. Esta
mensagem pode ser transmitida de volta para um vrtice j visitado, mas dificilmente ser pela
mesma aresta, de forma similar ao fluxo da informao privada.
Comportamento pessoal e Opinio

Uma pessoa pode influenciar o comportamento de outra ou o de um grupo pessoas.
Considere o presidente de uma empresa que admirado por seu comprometimento com o trabalho, este atributo indivdual pode ser transmitido para todas as pessoas a sua volta de uma s
vez, pessoas estas que por sua vez, podem transmitir este mesmo fluxo outras, mantendo uma
cpia em si. Ao longo deste processo, as arestas e os vrtices j visitados podem ser repetidos.
Infeco
Seja uma rede de infeco, onde uma doena contagiosa transmitida de pessoa para
pessoa por duplicao. Se considerarmos que uma vez infectada a pessoa ficar imune, durante
todo o processo de transmisso no haver repetio de vrtices j visitados nem arestas j
utilizadas.
Rede de entrega de produtos

Um centro de distribuio de produtos possui uma caracterstica prpria que o envio
destes produtos da origem at um destino pr-fixado. Esta transmisso de fluxo, tende a ocorrer
atravs do menor caminho possvel. Portanto, em uma rede deste tipo, o fluxo seguir sempre
pelo caminho geodsico, desde o ponto de origem at a chegada ao destino.
Considerando os exemplos apresentados na seo acima, pode-se construir uma tabela relacionando casos prticos com as classificaes refentes tipologia do fluxo em redes. A tabela abaixo,
adaptada de [8], mostra algumas destas relaes aplicadas a casos de redes sociais.
23
Tabela III.1: Classificao de processos na tipologia do fluxo em redes

Caminho Geodsico
Caminho
Trilha
Percurso
Duplicao Paralela
No h
Servidor de Internet
Mensagem Digital
Opinio
Duplicao Seriada
Reproduo Mittica
Infeco Viral
Informao Privada
Conselhos
Transferncia
Entrega de Produtos
Cadeia de Medicamentos
Fluxo de Mercadorias
Fluxo Monentio
Com o entendimento dos conceitos descritos acima, pode-se iniciar as definies das medidas de
centralidade. Verifica-se que certas medidas so mais indicadas para analisar processos representados por determinados tipos de trajetria e difuso do fluxo.
III.2 Medida de Proximidade (Closeness)

A medida de proximidade est relacionada com a distncia total de um vrtice vi aos demais
da rede. Seu valor dado pela menor distncia, ou distncia geodsica, total de um vrtice a todos os
outros da rede [13]. Seja D uma matriz simtrica de ordem n, cujo elemento dij representa a menor
distncia do elemento i para o j , 1 i, j n. O clculo da centralidade de proximidade do vrtice vi
dado por:
CC (vi ) =
n
X
dij
(III.1)
j=1
De acordo com a definio acima, o elemento mais central aquele com o menor valor de CC (vi ).
A centralidade de proximidade representa a velocidade de acesso de um elemento vi aos demais
da rede. O elemento com o menor valor de centralidade de proximidade aquele que se comunica
com maior agilidade com todos os outros. Esta medida importante na anlise da velocidade de
acesso do fluxo de dados ou de informao a partir de um vrtice para todos os demais existentes
na rede. Por exemplo, em uma rede de transportes, o vrtice com menor valor de centralidade de
proximidade aquele que consegue acessar de forma mais gil todos os demais vrtices da rede.
Esta medida tambm pode ser utilizada para auxiliar na tomada de deciso em relao escolha
de uma regio para instalao de um centro de distribuio de mercadorias. A regio com o menor
valor de centralidade de proximadade aquela que poder realizar com maior rapidez o processo
de descolamento das mercadorias para as outras regies. Em [16], realizado um estudo onde
os vrtices representam algumas estaes de trem do Rio de Janeiro. Neste caso, a medida de
proximidade utilizada para apontar vrtices que necessitam de melhoria em relao qualidade dos
24
servios.
Em redes de transmisso de fluxo, a medida de proximidade funciona como um indicador do tempo
de chegada de algo que esteja fluindo pela rede [9]. Vrtices com baixo valor numrico desta medida
possuem uma distncia relativa pequena para os demais vrtices e por isso tendem a receber o fluxo
antecipadamente, considerando que a transmisso do fluxo realizada atravs dos menores caminhos e que o fluxo gerado por todos os outros vrtices com a mesma probabilidade. Organizaes
com baixo valor de proximidade em uma rede de compartilhamento de tecnologia em processos de
pesquisa e desenvolvimento, esto aptas a desenvolver produtos antes de seus concorrentes. Por
outro lado, pessoas com baixo valor desta medida, em uma rede de infeco por doenas sexuais,
possuem maior probabilidade de serem contaminadas mais cedo. Outra aplicao tpica na avaliao do ponto mais provvel de se receber primeiro a informao em um processo de difuso de
notcias, entretanto como este processo no percorre necessriamente os menores caminhos, a ordem dos valores da medida de proximidade no ser obrigatoriamente a mesma de recebimento da
informao.
A interpretao desta medida relacionada ao tempo de chegada do fluxo at um destino, somente
valida nos casos onde a origem do fluxo um ponto qualquer, porm conhecido, e o destino possa
ser qualquer vrtice da rede, analogamente a um algoritmo computacional no deterministico. Se o
trfego no fluir pelos menores caminhos, a interpretao desta medida como um indicador do tempo
at a chegada do fluxo perde o sentido. Sendo assim, pode-se aplicar esta medida a duas classes
de processos envolvendo transmisso de fluxo: processos onde o trfego flui atravs dos menores
caminhos e aqueles onde o fluxo difundido por duplicao paralela. Neste ltimo caso, todos os
tipos de trajetrias ocorrem simultaneamente, inclusive o caminho geodsico e com isso, o efeito para
a rede ser o mesmo. O uso desta medida como indicador de tempo para avaliar outros processos
no deve ser considerado [8].
Figura III.1: Grafo G.
25
Os valores da medida de proximidade dos vrtices do grafo G, dado na Figura III.1 so: CC (1) =
11, CC (2) = 12, CC (3) = 13, CC (4) = 10, CC (5) = 9, CC (6) = 12 e CC (7) = 17. Assim, o vrtice
mais central de G v5 .
III.3 Medida de Intermediao (Betweenness)

A centralidade de intermediao atribui importncia a um vrtice em funo da passagem de
fluxo por ele para interligar outros dois vrtices da rede, atravs do menor caminho possvel. Pode ser
definida como a porcentagem de vezes que um vrtice vk necessita do vrtice vi , cuja centralidade
est sendo medida, para atingir um vrtice vj , atravs do menor caminho possvel, sendo, k 6= i 6= j
e 0 < j < k n, onde n o nmero de vrtices da rede. O vrtice com maior centralidade de
intermediao aquele que participa de maneira mais ativa em um processo de interao, onde os
caminhos mais curtos so percorridos. Seu valor calculado atravs do somatrio da quantidade de
caminhos geodsicos que passam por um determinado vrtice, para interligar cada possvel par de
outros vrtices da rede, em relao ao total destes caminhos geodsicos que interligam os pares. O
clculo da centralidade de intermediao para um vrtice vi dado pela expresso a seguir.
CB (vi ) =
X gjk (vi )
j<k
gjk
, i 6=, j 6=, k
(III.2)
onde gjk o nmero de caminhos geodsicos que interligam o vrtice j ao vrtice k e gjk (vi ) a
quantidade destes caminhos que passam por vi .
A aplicao desta medida em processos de transmisso de fluxo deve considerar algumas observaes, conforme a seguir: o fluxo deve ser indivisvel, visto que pela definio quando ocorrer uma
situao onde o fluxo tenha mais de um menor caminho para seguir, ele ir escolher apenas um deles
aleatoriamente e seguir at seu destino. A difuso do fluxo se d atravs de transferncia de um
vrtice para outro, ao invs de duplicao, seja paralela ou seriada. Por ltimo, o trfego ir fluir sempre atravs dos menores caminhos, ou seja, o fluxo possui um destino fixado e conhece os melhores
caminhos para chegar at l.
Processos como redes de informao ou infeces, cujo fluxo difundido atravs de duplicao
e no transferncia e tambm no possuem um destino fixado, no se adequam nas caractersticas
apresentadas acima, sendo assim, no se deve utilizar a medida de intermediao como indicador de
importncia de um vrtice vi no processo de transmisso de doenas ou fluxo de informaes, exceto
26
nos casos onde vi seja um importante ponto de articulao, que interligue grande parte dos vrtices a
diversos outros. Neste caso vi exerce uma ao relevante de controle sobre o fluxo da rede.
De acordo com as definies apresentadas, esta medida possui maior aplicao em casos de
entrega de mercadorias, onde o destino e a melhor rota so conhecidos. Nestes casos, o vrtice com
o maior valor de centralidade de intermediao pode controlar o fluxo da rede. Em alguns casos o
vrtice com alto valor de intermediao o ponto de articulao entre pontos isolados da rede, ou
seja, o nico elo de ligao entre eles.

Na Figura III.2, fcil verificar que o vrtice 2 um importante ponto de articulao da rede. O vrtice 2 participa 8 vezes dos menores caminhos para interligar todos os possveis pares de vrtices do
grafo G. Estes caminhos so para interligar os seguintes pares de vrtices: (1, 4), (1, 5), (1, 6), (3, 4),
(3, 5), (3, 6), (5, 4) e (5, 6). Os valores da medida de intermediao dos vrtices do grafo G so:
CB (1) = 0, CB (2) = 8, CB (3) = 0, CB (4) = 4, CB (5) = 0, CB (6) = 0.
III.4 Medida de Intermediao de Fluxo (Flow Betweenness)

Embora o uso tradicional da medida de intermediao remeta a casos onde so considerados
apenas os caminhos mnimos, existem processos reais onde h necessidade de uma interpretao
mais ampla para esta medida. A centralidade de intermediao de fluxo foi apresentada em [14] e sua
anlise baseada no fluxo mximo em uma rede. Para obteno de seu valor, necessrio calcular
o parmetro CF (vi ), que dado pelo somatrio dos fluxos que obrigatoriamente precisam passar
por um vrtice vi , para transmitir o fluxo mximo entre todos os demais pares de vrtices da rede,
considerando um ponto de origem vs e um ponto de destino, vt , i 6= s 6= t. Sendo assim, tem-se:
CF (vi ) =
n X
n
X
s<t
mst (vi ),
(III.3)
27
onde mst (vi ) o fluxo que necessita passar por vi , quando o fluxo mximo percorre a rede desde a
origem at o destino.
Dividindo o resultado de CF (vi ) pelo fluxo total entre todos os outros pares de vrtices da rede,
onde vi no o vrtice de origem nem de destino, possvel determinar o valor da medida de intermediao de fluxo, que varia entre 0 e 1, a partir da seguinte expresso:
CF0 (vi )
Pn Pn
mst (vi )
Pn
,
= Pn s<t
mst
s<t, s6=i, t6=i
(III.4)
onde mst o fluxo mximo que percorre a rede desde a origem at o destino.
Esta medida interpretada como a proporo do fluxo que depende do vrtice vi , durante a transmisso do fluxo mximo entre os demais pares de vrtices da rede.
A Figura III.3 apresenta um grafo G(5, 6), valorado em suas arestas. A valorao de aresta indica
a capacidade de transmisso de fluxo pelas mesmas. Para calcular o valor de CF0 (vi ) de cada um dos
vrtices do grafo G, necessrio o clculo de todos os valores dos parmetros mst e mst (vi ).

Por exemplo, o fluxo mximo entre os vrtices va e vb , mab , vale 6, sendo constitudo por duas
unidades de fluxo que percorrem o caminho (va , vd , vc , vb ), uma que percorre o caminho (va , vc , vb ) e
outras trs que passam diretamente do vrtice va para o vrtice vb . Destas 6 unidades de fluxo mximo
entre va e vb , duas passam pelo vrtice vd , logo mab (vd ) = 2. De maneira anloga so calculados
os demais fluxos mximos mst , para cada par de vrtice do grafo G da Figura III.3, alm do fluxo que
necessita passar pelo vrtice vi , mst (vi ). Os resultados so apresentados nas Tabelas III.2 e III.3 a
seguir, respectivamente.
A Tabela III.4 apresenta os resultados consolidados dos parmetros
Pn Pn
s<t
mst e CF (vi ), e
28
Tabela III.2: Valores de mst do grafo G.
mab = 6
mbc = 6
mce = 2
mac = 6
mbd = 4
mde = 2
mad = 4
mbe = 2
mae = 2
mcd = 4
Tabela III.3: Valores de mst (vi ) do grafo G.
mbc (va ) = 1
mac (vb ) = 3
mab (vc ) = 3
mab (vd ) = 2
mab (ve ) = 0
mbd (va ) = 2
mad (vb ) = 1
mad (vc ) = 2
mac (vd ) = 2
mac (ve ) = 0
mbe (va ) = 1
mae (vb ) = 0
mae (vc ) = 2
mae (vd ) = 0
mad (ve ) = 0
mcd (va ) = 2
mcd (vb ) = 1
mbd (vc ) = 2
mbc (vd ) = 2
mbc (ve ) = 0
mce (va ) = 0
mce (vb ) = 0
mbe (vc ) = 2
mbe (vd ) = 0
mbd (ve ) = 0
mde (va ) = 1
mde (vb ) = 0
mde (vc ) = 2
mce (vd ) = 0
mcd (ve ) = 0
consequentemente o resultado para a medida de intermediao de fluxo de cada vrtice do grafo G.

O clculo de Cf0 (va ), por exemplo, dado por:
CF0 (va ) =
mbc (va ) + mbd (va ) + mbe (va ) + mcd (va ) + mce (va ) + mde (va )
= 0.35
mbc + mbd + mbe + mcd + mce + mde
(III.5)
Tabela III.4: Valores da medida

de fluxo dos vrtices de G.
Pn de
Pintermediao
n
Vrtice
m
C
(v
)
CF0 (vi )
st
i
F
s<t
a
20
7
0.35
b
20
5
0.25
c
20
13
0.65
d
24
6
0.25
e
30
0
0.00
Em [24] apresentada uma medida, denominada Intermediao de Percurso Aleatrio (randomwalk betweenness). Neste caso, de forma similar medida de intermediao de fluxo, no so considerados apenas os caminhos mnimos e sim todos os possveis caminhos existentes entre todos os
pares de vrtices. Entretanto dado um peso maior para os caminhos geodsicos existentes. Esta
medida baseada em percursos aleatrios e conta com qual frequncia um vrtice vi atravessado
pelo fluxo aleatrio que interliga um par de outros vrtices vk e vj , i 6= k 6= j .
29
III.5 Medida de Autovetor (Eigenvector)

A centralidade de autovetor, definida em [7], atribui relevncia para um vrtice em funo de
sua relao com os demais vrtices da rede. Se um vrtice est ligado a outros que se encontram
em uma posio central na rede, o referido vrtice ter centralidade de autovetor alta, ou seja, caso
um vrtice vi esteja ligado a apenas um vrtice vk , que por sua vez esteja influenciando diversos
outros vrtices, que tambm atuam sobre vrios outros, certamente vi ter centralidade alta, mesmo
influenciando diretamente apenas um vrtice vk . A centralidade do vrtice vi dada por xi , que
satisfaz a seguinte equao:
xi = ai1 x1 + ai2 x2 + ... + ain xn
(III.6)
Ax = x
(III.7)
Em notao matricial, temos:
As solues de e (x1 , ..., xn ), para equao acima, correspondem respectivamente aos autovalores e aos autovetores da matriz de adjacncia da rede. Utilizam-se os valores dos autovetores
associados ao maior autovalor da matriz para identificar os vrtices de maior influncia na rede [6].
Quanto maior for o valor de xi , maior ser a centralidade do vrtice vi , denotada por CE (vi ).
Atravs de III.7 conclui-se que a posio de um elemento vi na rede uma funo linear dos
elementos aos quais ele est conectado.
A Figura III.4 apresenta um grafo G com 5 vrtices e 6 arestas. Abaixo apresentado exemplo do
clculo dos valores da centralidade de autovetor para cada vrtice.

A matriz de adjacncia do grafo G, A(G), dada por:
30
0 1 0 0 1
1 0 1
A(G) = 0 1 0
0 1 1
1 0 0
1 0
1 0
0 1
1 0
A matriz de autovalores de A(G) dada por:
2.00
A(G)
1.17
= 0.00
0.68
2.48
A matriz de autovetores de A(G) dada por:
0.50 0.20 0.50 0.58 0.36
xA(G)
0.50 0.43 0.50
= 0.00 0.74 0.00
0.50 0.43 0.50
0.50 0.20 0.50
0.18 0.53
0.52 0.43
0.18 0.53
0.58 0.36
O quinto elemento da matriz A(G) o maior deles, sendo assim o valor da medida de autovetor para
cada vrtice vi dado pelo elemento correspondente da quinta coluna da matriz dos autovetores de
A(G), ou seja, o valor da centralidade de autovetor para cada vrtice : CE (v1 ) = 0.36, CE (v2 ) = 0.53,
CE (v3 ) = 0.43, CE (v4 ) = 0.53 e CE (v5 ) = 0.36. Neste caso, os vrtices mais centrais so v2 e v4 .
Esta medida ideal para analisar casos de difuso de informao, infeco ou de comportamento
pessoal, onde consideram-se mltiplos caminhos simultneos com percursos aleatrios. Nestes casos, um elemento conectado a vrtices que por sua vez, conectam-se a um grande nmero de outros
vrtices um potencial transmissor indireto de informaes, pensamentos ou doenas. Um vrtice
31
com alto valor desta centralidade ter grande probabilidade de transmitir o fluxo para muitos outros
elementos da rede de forma indireta, atravs dos elementos aos quais ele se conecta.
III.6 Medida de Informao (Degree)

A medida de Informao determina um importante aspecto da posio estrutural do vrtice
[28]. Inicialmente proposta em [25], atribui relevncia ao vrtice em funo do nmero de relaes
diretas que este vrtice estabelece com os demais da rede. Seu valor calculado pelo grau do vrtice
em questo, conforme a seguinte expresso:
CD (vi ) = d(vi ), 1 i n.
(III.8)
Cabe lembrar que CD (vi ) tambm pode ser obtido atravs da soma dos elementos i sima linha
da matriz de adjacncia AG , que representa a referida rede, conforme a equao III.9 abaixo:
CD (vi ) =
n
X
aij
(III.9)
j=1
Tambm pode-se definir a centralidade de informao como o nmero de caminhos de comprimento unitrio que tem origem em um vrtice. Sendo assim, em processos de difuso de fluxo em
redes, esta medida deve ser aplicada a casos cujas ligaes indiretas entre vrtices no so levadas
em considerao, visto que seu clculo contabiliza apenas ligaes diretas entre os vrtices. Existem
casos onde a relao existente entre um vrtice vi e outro vj uma relao nica, ou seja, o resultado
obtido em funo desta relao no seria o mesmo, caso o vrtice vi se relacionasse da mesma forma
com outro vrtice vk , sendo k 6= j . Outras consideraes referentes a este processo podem ser vistas
em [22].
Esta medida tambm pode ser considerada uma medida de efeito imediato, que acontece em um
tempo t + 1 [8], ou de influncia, onde um vrtice interfere diretamente em outros. Um vrtice com
alta centralidade de informao, mantm contato direto com muitos outros. Por exemplo, em uma rede
de infeco viral, um vrtice com alto valor de centralidade de informao ter grande probabilidade
de transmitir o vrus para muitas outras pessoas de forma direta e imediata, sem passar por terceiros.
Em uma anlise mais ampla esta medida similar a medida de autovetor. Em casos de trasmisso
de doenas, onde um vrtice vi , ligado diretamente a vj e indiretamente a vk , est infectado com a
doena, os vrtices vj e vk tambm podem ser infectados, entretanto em caso de infeco provvel
32
que o vrtice vj seja atingido antes do vrtice vk , visto que vj possui risco de contgio imediato, em
funo de sua ligao direta com vi .
A Tabela III.5 sintetiza a relao entre os tipos de trfego e difuso do fluxo e as medidas de
centralidade, considerando as caractersticas j apresentadas neste captulo.
Tabela III.5: Fluxo em Redes e Medidas de Centralidade
Duplicao Paralela
Caminho Geodsico
Caminho
Trilha
Percurso
Duplicao Seriada
Proximidade
Proximidade
Informao
Proximidade
Informao
Proximidade
Informao
Autovetor
Transferncia
Proximidade
Intermediao
Intermediao
de Fluxo
Informao
Intermediao de
Percurso Aleatrio
Analisando a Tabela III.5, pode-se observar que h processos onde mais de uma medida de centralidade pode ser aplicada simultaneamente, entretanto tambm podem existir processos onde no
possvel aplicar nenhuma das medidas vistas anteriormente. Por exemplo, em uma rede de entrega de
produtos, onde o entregador utiliza sempre os menores caminhos, classificada pelo tipo de trajetria
como caminho geodsico e pela difuso de fluxo como transferncia, conforme a Tabela III.1. As medidas adequadas para analisar este caso so as de proximidade e intermediao, conforme Tabela III.5.
Neste caso, a medida de proximidade indica o melhor ponto para se instalar o centro de distribuio,
tendo em vista o acesso mais gil deste vrtice aos demais vrtices da rede, considerando uma distribuio uniforme entre todos os vrtices. J a medida de intermediao, indica qual vrtice possui
maior influncia em relao a quantidade de fluxo transmitido na rede, atravs dos menores caminhos.
III.7 Clculo das Medidas de Centralidade

A Figura III.5 mostra um grafo G com 14 vrtices e 15 arestas.
33

A partir do grafo da Figura III.5, pode-se calcular os valores das medidas de centralidade de cada
vrtice de G e verificar quais deles so os mais relevantes, de acordo com cada medida. A Tabela III.6
apresenta os valores das diferentes medidas de centralidade de todos os vrtices do grafo G da Figura
III.5, calculados utilizando o software Netdraw [10]. Pode-se observar que a ordem de relevncia dos
vrtices em relao s medidas, no a mesma para todas elas, conforme destacado na Tabela III.7.
Tabela III.6: Valores das medidas de centralidade dos vrtices do grafo G da Figura III.5.
Informao Intermediao Proximidade Autovetor
v1
5
42
38
0.288
v2
1
0
50
0.144
v3
1
0
50
0.144
v4
1
0
50
0.144
v5
1
0
50
0.144
v6
2
40
34
0.265
v7
3
43
32
0.379
v8
2
14
36
0.314
v9
3
26
34
0.373
v10
3
31
38
0.411
v11
1
0
46
0.148
v12
3
22
46
0.344
v13
2
0
57
0.228
v14
2
0
57
0.228
Pode-se verificar com os dados da Tabela III.7, a seguir, que o grau de relevncia de um vrtice
vi , varia em funo da medida de centralidade escolhida para sua anlise. Sendo assim, conclui-se
que fundamental a escolha da medida mais adequada ao analisar cada problema, ou cada particularidade dentro do mesmo problema, em funo de suas caractersticas, de acordo com as definies
34
e aplicaes vistas neste captulo. Por exemplo, em uma rede de transportes, um vrtice vi , com alto
valor de centralidade de autovetor pode indicar o melhor ponto para ampliao do sistema, visto que o
vrtice em questo ligado a diversos outros, o que possibilita diluir a sua importncia pelos vrtices
vizinhos, para evitar o seu gigantismo [16]. Por outro lado, um vrtice com alto valor de intermedio
aquele cuja interrupo ir gerar um grande impacto, visto que um grande nmero de passageiros
ser afetado.
Tabela III.7: Ordem decrescente da relevncia dos vrtices do grafo G de acordo com cada medida.
v1
v7
v9
v10
v12
v6
v8
v13
v14
v2
v3
v4
v5
v11
v7
v1
v6
v10
v9
v12
v8
v2
v3
v4
v5
v11
v13
v14
v7
v6
v9
v8
v1
v10
v11
v12
v2
v3
v4
v5
v13
v14
v10
v7
v9
v12
v8
v1
v6
v13
v14
v11
v2
v3
v4
v5
Em [8], so realizadas simulaes que atestam a aplicao das medidas de centralidade na anlise
de processos relacionados s mesmas. Foi realizado um teste com a medida de intermediao para
analisar um processo de entrega de produtos, onde a origem e o destino so conhecidos e o entregador percorre sempre os menores caminhos. Conforme visto anteriormente, esta medida adequada
para analisar este caso. O resultado encontrado foi bastante satifatrio, quando se compara o valor
obtido na simulao prtica ao valor obtido atravs da expresso III.2. O desempenho desta medida
na anlise de outros casos, como fluxo de informaes e moeda no foi satasfatrio. No caso de
fluxo monetrio, por exemplo, foram observados nos experimentos prticos, desvios 20 vezes superiores em relao ao valor obtido pela expresso III.2. Esta divergncia j era esperada visto que
esta medida no indicada para analisar este tipo de processo. Outra simulao foi realizada para
o mesmo processo, porm considerando a medida de proximidade para anlise, que tambm uma
medida apropriada para este caso. O resultado encontrado tambm foi satisfatrio, porm, conforme
esperado, a ordem de relevncia dos vrtices foi alterada em relao ao resultado obtido pela medida
35
de intermediao. Com isso, deve-se observar os objetivos da anlise para identificar qual medida
dever ser utilizada para interpretao de cada objetivo. Se o interesse for identificar qual o vrtice
tende a se comunicar de forma mais veloz com os demais vrtices da rede, visando escolher um
ponto para instalao um centro de distribuio, a medida de proximidade deve ser considerada. Caso
queira identificar atravs de qual vrtice a maior parte do fluxo tende a fluir, com objetivo de melhorar
a confiabilidade deste trecho, deve-se considerar os resultados da medida de intermediao.
A Figura III.6 exibe um grafo G com 12 vrtices e 21 arestas. Pode-se observar que os vrtices de
1 a 6 formam uma clique na rede. Calculando os valores da medida de proximidade para os vrtices
da rede, temos os vrtices 4 e 7, com CB (4) = CB (7) = 16, empatados como os mais centrais.
Entretanto, ao analisar a velocidade de acesso atravs da medida de centralidade de proximidade,
considerando que o fluxo difundo atravs de percursos aleatrios, deve-se observar que o vrtice 7
tem maior probabilidade de difundir o fluxo para todos os demais vrtices da rede com mais agilidade
que o vrtice 4. Isto se d pelo fato do vrtice 4 participar de uma clique na rede, o fluxo que passa por
ele tende a ficar bastante tempo vagando por esta clique [8], no acessando assim de forma rpida os
outros elementos da rede.
Figura III.6: Grafo G
Captulo IV
Confiabilidade em Redes e Medidas de

Centralidade
Processos reais podem ser modelados atravs de redes de grafos, possibilitando o clculo
dos valores de confiabilidade e de suas medidas de centralidade, conforme visto nos captulos anteriores. Casos empricos, como a constante necessidade de expanso do sistema eltrico, por exemplo,
precisam ser estudados sob o ponto de vista da manuteno ou ampliao da qualidade do servio
prestado, que possui a confiabilidade como um de seus indicadores. Sendo assim, importante saber
qual nova interligao em uma rede ir proporcionar o maior impacto positivo na confiabilidade do
sistema.
Conforme visto no Captulo 3, quando h necessidade de se ampliar um grafo G, atravs da insero de uma nova aresta, interligando pares de vrtices vi e vj , i 6= j , os valores da confiabilidade
Ri (Gi ; ), dos respectivos possveis grafos resultantes, podero ser distintos, considerando a insero
da aresta entre outro par de vrtices. De forma geral, deve-se buscar a realizao de um projeto
que satisfaa as necessidades tcnicas, sob o ponto de vista da confiabilidade, com o menor custo
possvel, ou seja, a avaliao do custo-benefcio do projeto deve estar de acordo com a seguinte
expresso:
R(G)
Cp
(IV.1)
onde R(G) o percentual de aumento da confiabilidade do grafo Gn em relao ao grafo original G

e Cp o custo associado ao projeto.
37
A Figura IV.1 apresenta o grafo G43 , cujo valor de confiabilidade
R(G43 ; 0.5) igual a 0.28125. As Figuras IV.2 e IV.3 apresentam dois grafos G48 e G47 , respectivamente, gerados a partir de G43 , atravs da insero de uma nova aresta. Os valores de confiabilidade
dos grafos G48 e G47 so R(G48 ; 0.5) = 0.40625 e R(G47 ; 0.5) = 0.375. Conforme visto no Captulo
3, o fato dos valores de R(G48 ; ) e R(G47 ; ) serem distintos j era esperado. No entanto, em um
caso geral, como devemos fazer para prever entre qual par de vrtices deveremos inserir uma aresta
para que tenhamos um aumento mais significativo no valor da confiabilidade? Medidas de centralidade podem identificar quais so os vrtices mais relevantes da rede, e quem sabe tambm possam
apontar quais so os melhores vrtices a serem interligados para se obter a confiabilidade mxima em
um novo grafo G0n , obtido a partir de Gn .
Figura IV.1: Grafo G43 , R(G43 ; 0.5) = 0.28125.

A Tabela IV.1 apresenta os valores de 4 medidas de centralidade para os vrtices do grafo G43 .
possvel verificar que a insero de uma aresta entre v2 e v4 apresenta o melhor resultado, sob o
38
ponto de vista da confiabilidade, quando comparado insero entre os vrtices v1 e v4 . Tambm

pode-se observar pela Tabela IV.1 que os vrtices, ainda no interligados, menos centrais do grafo
G43 , de acordo com todas as medidas de centralidade calculadas, so os vrtices v2 e v4 , ou seja,

uma ligao de aresta entre os pontos menos centrais da rede nos apresentou, neste caso, o melhor
resultado possvel sob o ponto de vista da confiabilidade da nova rede gerada. A insero de uma
aresta entre os vrtices v2 e v5 tambm possvel, entretanto sua anlise desnecessria, visto que
o grafo gerado isomorfo a G48 .
Tabela IV.1: Valores das medidas de centralidade dos vrtices do grafo G48 .
v1
3
2
5
0.530
v2
2
0
6
0.427
v3
3
1.5
5
0.530
v4
2
0.5
6
0.358
v5
2
0.5
6
0.358
Ainda possvel expandir a rede, por exemplo, a partir do grafo G48 da Figura IV.2. Ao inserir
uma nova aresta entre os vrtices v2 e v5 e os vrtices v1 e v4 , so obtidos os grafos G50 e G49 ,
apresentados nas Figuras IV.4 e IV.5, respetivamente, com valores de confiabilidade R(G50 ; 0.5) =
0.48433 e R(G49 ; 0.5) = 0.44141.

A Tabela IV.2 apresenta os valores de medidas de centralidade dos vrtices do grafo G48 . Novamente possvel observar que a insero de uma nova aresta entre os vrtices menos centrais, v2 e
v5 , apresenta o melhor resultado possvel, em relao ao valor da confiabilidade do novo grafo gerado.
A anlise da insero de aresta entre os vrtices v3 e v5 desnecessria, visto que o grafo gerado
isomorfo ao grafo G50 .
39
v1
3
1
5
0.456
v2
3
0.33
5
0.491
v3
3
0.33
5
0.491
v4
3
1
5
0.456
v5
2
0.33
6
0.319
A Figura IV.6 mostra um grafo G78 , com 6 vrtices e 5 arestas, sua confiabilidade, R(G78 ; 0.5)
0.03125. A Tabela IV.3 apresenta os valores de medidas de centralidade dos vrtices do grafo
G78 . Tambm possvel observar, atravs dos grafos das Figuras IV.7 e IV.8, que a insero de uma
nova aresta entre os vrtices com menor centralidade, apresenta o maior impacto positivo no valor da
confiabilidade do novo grafo gerado.
40
v1
1
0
12
0.154
v2
2
4
8
0.509
v3
4
9
6
0.509
v4
1
0
8
0.391
v5
1
0
8
0.391
v6
1
0
8
0.391
A Figura IV.8 apresenta um grafo G96 , gerado a partir de G78 , onde foi adicionada uma aresta
entre os vrtices menos centrais, v1 e v6 , enquanto no grafo da Figura IV.7 foi adiciona uma aresta
em um ponto aleatrio. O resultado obtido para R(G96 ; 0.5) 2.5 vezes maior do que R(G78 ; 0.5),
enquanto R(G95 ; 0.5) apenas 2 vezes maior que R(G78 ; 0.5). No necessrio analisar os casos
que consideram uma nova aresta entre v1 e v4 ou v1 e v5 , visto que o grafo gerado isomorfo a G96 .

Tomando como referncia o grafo G95 , da Figura IV.7, ainda possvel realizar novas inseres de
arestas, visando a ampliao do grafo e melhoria da confiabilidade da rede. As Figuras IV.9, IV.10 e
IV.11, mostram trs grafos gerados a partir de G95 atravs da insero de uma nova aresta. Outros
41
grafos podem ser gerados, entretanto G126 apresenta o maior valor de confiabilidade possvel.

Verifica-se atravs da Tabela IV.4 que os vrtices com a menor centralidade so v1 e v5 e a insero
de uma aresta entre eles gera a maior confiabilidade possvel dentre os novos grafos criados a partir
de G95
42
v1
1
0
12
0.135
v2
2
4
8
0.321
v3
4
8
6
0.628
v4
2
0
8
0.455
v5
1
0
10
0.264
v6
2
0
9
0.455
A Figura IV.12 apresenta um grafo Gx , com 14 vrtices e 13 arestas. A Tabela IV.5 mostra os
valores de medidas de centralidade para todos os vrtices de Gx . A partir da insero de uma nova
aresta em Gx , podem ser gerados diversos outros grafos, sete deles apresentados nas Figuras IV.13,
IV.14, IV.15, IV.16, IV.17, IV.18 e IV.19. A funo que expressa o valor da confiabilidade de cada um
destes grafos indicada nas respectivas Figuras.
Figura IV.12: Grafo Gx .
Figura IV.13: Grafo Gx1 . R(Gx1 ; ) = 8(1 )13 1 + 1(1 )14 0 .
43
Figura IV.16: Grafo Gx4 R(Gx4 ; ) = 4(1 )13 1 + 1(1 )14 0 .
44

Tabela IV.5: Valores das medidas de centralidade dos vrtices do grafo Gx .
v1
5
42
42
0.485
v2
1
0
54
0.333
v3
1
0
54
0.333
v4
1
0
54
0.333
v5
1
0
54
0.333
v6
2
40
38
0.455
v7
2
42
36
0.178
v8
2
42
36
0.202
v9
2
12
48
0.097
v10
3
46
38
0.115
v11
1
0
60
0.026
v12
3
23
46
0.126
v13
1
0
58
0.034
v14
1
0
58
0.034
Os valores de confiabilidade dos grafos gerados a partir de Gx , podem ser comparados atravs da
seguinte desigualdade.
R(Gx5 ; ) < R(Gx3 ; ) < R(Gx4 ; ) < R(Gx2 ; ) < R(Gx6 ; ) <
R(Gx1 ; ) = R(Gx7 ; ).
Neste exemplo a insero de uma aresta entre os vrtices menos centrais, v11 e v13 , no nos levou
ao melhor resultado, sob o ponto de vista do maior aumento possvel para o valor da confiabilidade
45
em relao ao grafo original Gx , entretanto observa-se que a insero de uma aresta entre o vrtice
menos central, v11 , e o mais distante dele, v5 , nos leva ao melhor resultado. Ressalta-se que o mesmo
ocorreu em todos os exemplos apresentados anteriormente neste captulo.
A confiabilidade do grafo Gx1 , R(Gx1 ; ), gerado a partir da insero de uma aresta entre o vrtice
v11 , menos central, e v5 , mais distante de v11 , foi igual a obtida para o grafo Gx7 , R(Gx7 ; ). Para
verificar uma possvel relao entre a igualdade de R(Gx1 ; ) e R(Gx7 ; ), foi gerada a Figura IV.20
que apresenta um grafo Gy , com 14 vrtices e 14 arestas. A Tabela IV.6 mostra os valores das medidas
de centralidade para os vrtices de Gy .
Figura IV.20: Grafo Gy . R(Gy ; ) = 8(1 )13 1 + 1(1 )14 0 .
Figura IV.21: Grafo Gy1 . R(Gy1 ; ) = 11(1 )13 2 + 24(1 )14 1 + 1(1 )15 0 .
Figura IV.22: Grafo Gy2 . R(Gy2 ; ) = 9(1 )13 2 + 20(1 )14 1 + 1(1 )15 0 .
46
Tabela IV.6: Valores das medidas de centralidade dos vrtices do grafo Gy .

v1
5
42
42
0.414
v2
1
0
54
0.176
v3
1
0
54
0.176
v4
1
0
54
0.176
v5
1
0
54
0.176
v6
2
40
38
0.269
v7
2
42
36
0.219
v8
2
42
36
0.246
v9
2
12
48
0.186
v10
3
46
38
0.359
v11
1
0
60
0.079
v12
3
22
46
0.412
v13
2
0
58
0.305
v14
2
0
48
0.305
Verifica-se que embora a distncia entre os vrtices v5 e v11 e v4 e v14 sejam as mesmas, o valor de
R(Gy1 ; ), que interliga o vrtice menos central, v11 , ao mais distante dele, v5 , maior que R(Gy2 ; ).
Em todos os exemplos apresentados neste captulo, a insero de uma aresta entre o vrtice
menos central e o mais distante dele, nos leva ao melhor resultado, em relao ao maior aumento no
valor da confiabilidade do novo grafo comparado ao original.
Para aumentar a quantidade de ensaios, o mesmo procedimento foi realizado considerando a construo de todos os possveis grafos para n = 4, 5, (n 1 m
n(n1)
)
2
e para 6, considerando
7 < m 10, os testes totalizam mais de 250 combinaes. O procedimento adotado, iniciou-se com
um grafo G, onde foram calculadas as medidas de centralidade de seus vrtices, foi inserida uma
aresta em cada ponto possvel gerando um novo grafo G0 , com R(G0 ; ) 6= 0. Aps isto, a partir de um
dos grafos G0 foi inserida uma segunda aresta, tambm em cada ponto possvel para que a confiabilidade fosse calculada e comparada com as demais. O processo iterativo foi repetido at que o grafo se
tornasse completo. Em mais de 98% dos casos analisados o menor grau indicou entre quais vrtices
deveria ser inserida uma nova aresta para obteno da mxima confiabilidade possvel. Entretanto,
em 19% destes casos, esta indicao no definiu o novo grafo, pois h mais de uma possibilidade
de interligao que gera diferentes grafos, com valores de confiabilidade distintos. Dos casos no
resolvidos diretamente pela medida de informao (menor grau), foram realizados alguns experimentos e verificado que a interligao entre o vrtice com menor valor de centralidade de proximidade
e o vrtice mais distante deste, indicou, em todos os casos, a melhor interligao a ser feita e em
47
71% destes, definiu diretamente quais vrtices deveriam ser ligados para formao do novo grafo com
confiabilidade mxima. Assim, utilizando estes dois critrios em conjunto, 93% dos casos analisados
tiveram os vrtices que geram a melhor confiabilidade da nova rede identificados, 5.5% tiveram os
vrtices apenas apontados e 1.5% no foram solucionados. A Tabela IV.7 resume a assertividade de
alguns critrios identificados durante estes experimentos, realizados aps a primeira anlise executada
atravs do critrio de seleo dos vrtices com menor valor de centralidade de informao. O critrio
"Proximidade e Distncia", considera a interligao entre o vrtice com menor centralidade de proximidade e o mais distante dele, j os critrios "Proximidade", "Intermediao"e "Autovetor", consideram
as interligaes entre os vrtices de menor centralidade de proximidade, intermediao e autovetor,
respectivamente. Pode-se observar que o critrio "Proximidade e Distncia" foi o mais assertivo.
Tabela IV.7: Anlise dos critrios propostos considerando os dados obtidos aps anlise dos menores
graus.
Critrio
Indicao Indicao
Correta
Exata
Proximidade e Distncia
100%
71%
Proximidade
96%
63%
Intermediao
88%
50%
Autovetor
75%
67%
As Tabelas IV.8, IV.9 e IV.10, a seguir, resumem os resultados obtidos para alguns casos testados.
A notao dos grafos utilizados no teste est de acordo com os grafos exibidos em [27]. A primeira
coluna de cada Tabela indica o critrio utilizado para identificar os melhores vrtices a serem interligados, a segunda indica o grafo utilizado como origem nestes testes, as demais colunas apresentam
grafos gerados e a indicao de cada critrio para formao do suposto grafo mais confivel, a partir
do grafo de origem. J a ltima linha, exibe o valor da confiabilidade de cada grafo contido na Tabela.
48
Tabela IV.8: Anlise dos grafos gerados a partir de G119 .

Intermediao
Autovetor
Proximidade
R(Gn , 0.5)
G119
G144
0.125
0.218
G148
G148
G148
G148
G148
0.253
G150
G150
0.226

Grafos
G143
G159
G172
G173
Intermediao
G173
Autovetor
G172
Proximidade
G173
G173
R(Gn , 0.5)
0.203 0.261 0.353 0.363

Intermediao
Autovetor
Proximidade
R(Gn , 0.5)
G79
G93
0.0313
0.0625
G98
G98
G98
G98
G98
G100
G100
G100
G100
0.0781
0.0625
Podem haver casos onde o objetivo da expanso de uma rede seja melhorar o valor da centralidade
de algum vrtice especfico, em funo de uma necessidade particular da mesma. Entretanto, executar
esta expanso tambm pode aumentar o valor de sua confiabilidade. Por isso, em muitos casos a
anlise destes dois indicadores, centralidade e confiabilidade de rede, deve ser realizada em conjunto.
Considere o grafo G122 da Figura IV.23, ele representa uma rede de entrega de mercadorias de uma
empresa distribuidora. Neste exemplo, o vrtice v6 , cuja centralidade de proximidade vale CC (v6 ) =
11, passar a fornecer mercadorias para os demais elementos da rede. Com isso o sistema deve
ser ampliado visando melhorar a centralidade de proximidade deste vrtice, adequando-se s novas
atividades da empresa. Ao realizar esta ampliao tambm tem-se como objetivo que a rede obtenha
a maior confiabilidade possvel, considerando a insero de apenas uma aresta entre v6 e qualquer
outro vrtice da rede.
49
Figura IV.23: Grafo G122 , R(G122 ; 0.5) = 0.14, CC (v6 ) = 11.

A partir das restries de projeto descritas acima, a melhor possibilidade de ampliao do grafo
G122 a interligao dos vrtices v6 e v1 , que so os vrtices com menor centralidade de informao
da rede, alm de v6 possuir a menor centralidade de proximidade e v1 ser o mais distante dele. Esta
ligao resulta no grafo G151 , cujo valor de confiabilidade, R(G151 ; 0.5) = 0.28, o maior possvel, ou
seja, a interligao atende aos critrios apresentados anteriormente neste captulo. A centralidade de
intermediao de v6 passou para CC (v6 ) = 8.
Figura IV.24: Grafo G151 , R(G151 ; 0.5) = 0.28, CC (v6 ) = 8.

Com isso, conclui-se que a anlise conjunta dos indicadores de confiabilidade e de centralidade
pode ser aplicada na resoluo de casos empricos, visando identificar os principais pontos de uma
rede e auxiliar na obteno dos melhores vrtices a serem interligados para gerar a mxima confiabilidade da nova rede. Os resultados obtidos a partir dos testes realizados foram satisfatrios, em funo
da quantidade de ensaios ter sido razovel e ao alto percentual de assertividade. vlido destacar
que o clculo da confiabilidade de um grafo um problema difcil de ser solucionado, do tipo NP-Hard,
e que os valores das medidas de centralidade, principalmente as de informao, podem ser obtidos de
forma menos complexa.
Concluso
Este ltimo captulo encontra-se estruturado em duas partes: na primeira, as principais contribuies desta dissertao so apresentadas e, na segunda, so propostas possveis linhas de
pesquisa para trabalhos futuros.
A principal contribuio desta dissertao consiste em disponibilizar, em um mesmo documento,
estudos e aplicaes da Teoria de Grafos, Confiabilidade em Redes e Medidas de Centralidade. No
captulo 2, foram apresentados conceitos da Teoria de Grafos dentre outros conceitos necessrios
compreenso deste trabalho. No captulo 3, foram reapresentados os conceitos e diferentes mtodos
de anlise e clculo da Confiabilidade em Redes, dando nfase ao clculo considerando a possibilidade de falhas apenas em arestas. No captulo 4, foram apresentadas definies e interpretaes
sobre as Medidas de Centralidade e tambm indicadas possveis aplicaes de cada medida. J no
captulo 5, foi apresentada uma relao, constatada atravs de simulaes prticas, entre as medidas
de centralidade e a confiabilidade em redes. Observou-se que as medidas de centralidade indicaram,
na grande maioria dos casos testados, os melhores vrtices a serem interligados, no caso da ampliao de uma rede, visando o maior aumento possvel no valor de sua confiabilidade. Foi apresentado
um exemplo de aplicao prtica considerando a anlise da ampliao de uma rede de entrega de
mercadorias, modelada por um grafo de uma suposta empresa distribuidora.
Propostas de Trabalhos Futuros

Uma proposta de continuao deste trabalho estender a anlise apresentada no captulo 5
a outros grafos de classes especficas ou contendo um nmero maior de vrtices. Tambm possvel
verificar a permanncia da relao observada entre a centralidade e a confiabilidade, se for considerada, para o clculo da confiabilidade, a possibilidade de falhas apenas em vrtices ou em arestas e
vrtices simultaneamente.
51
Outra sugesto de prosseguimento, consiste em utilizar os conceitos aqui apresentados, em um

estudo de caso real, que tenha como o objetivo ampliar uma rede existente, visando a obteno da
mxima confiabilidade da nova rede com o menor custo possvel. Sendo assim, a anlise tcnicaeconmica, deve considerar a maximizao da razo entre o aumento da confiabilidade da rede e os
custos envolvidos no projeto para expanso da referida rede.
Referncias Bibliogrficas
[1] Aneel, Por dentro da conta de luz Agncia Nacional de Energia Eltrica, 4 ed. Braslia, 2008.
Disponvel em: < http : //www.aneel.gov.br/arquivos/P DF/Cartilha1 pa tual.pdf >. Acesso
em: 24 ago. 2009.
[2] Ath, Y.; Sobel, M., Counterexamples to conjectures for uniformly optimally reliable graphs Probability in the Engineering and Informational Sciences, v.14, pp 173-177, Cambridge University
Press, 2000.
[3] Biggs, N., Algebraic Graph Theory, Cambridge, 1993.
[4] Boaventura Netto, P.O. Grafos: Teoria, Modelos, Algoritmos, 3 ed. So Paulo, Editora Edgard
Blucher, 2003.
[5] Boesch, F., Li, X., Suffel, C., On the existence of uniformly optimally reliable networks Networks,
v.21, pp. 181-194, 1991.
[6] Bonacich, P. Power and Centrality: A Family of Measures The American Journal of Sociology, V.
92, No. 5, 1170-1182, 1987.
[7] Bonacich, P. Eigenvector-like measures of centrality for asymmetric relations Social Networks,
23: 191-201, 2001.
[8] Borgatti, S. P., Centrality and Network Flow., Elsevier, Social Networks, 2004.
[9] Borgatti, S. P., Centrality and AIDS., Connections 18(1), 112-114, 1995.
[10] Borgatti, S. P. NetDraw: Graph Visualization Software., Harvard: Analytic Technologies, 2002.
[11] Colbourn, C.J., Combinatorial Aspects of Network Reliability, Annals of Operations Research
No. 33, pp. 3-15, 1991.
53
[12] Del Vechio, R.; Lima, L.; Galvo, D.; Loures, R. Medidas de Centralidade da Teoria dos Grafos
aplicada a Fundos de Aes no Brasil, XLI Simpsio Brasileiro de Pesquisa Operacional, Porto
Seguro, 2009.
[13] Freeman, L. C. Centrality in networks: I. Conceptual clarification, Social Networks 1, 215-239,
1979.
[14] Freeman, L. C., Borgatti, S. P., and White, D. R. Centrality in valued graphs: A mesuare of
betweenness based on network flow, Social Networks 13, 141-154, 1991.
[15] Goldschmidt O. , Jaillet P., Lasota R. On reliability of graphs with node failures. Networks, v.24,
pp. 251 - 259, 2006.
[16] Gonalves, J. Contribuio Anlise Quantitativa das Potencilidades do Trem de Passageiros
em Integrar a Estrutura Urbana. Tese de Doutorado, Universidade Federal do Rio de Janeiro,
UFRJ, 2007.
[17] Gross, D.; Saccoman, J.T., Uniformly optimally reliable graphs. Networks, v. 31, pp 217-225,
1997.
[18] Gross, J.; Yellen, J., Graph Theory and Its Applications, 2 ed. Flrida, Boca Raton, EUA, CRC
Press, 1999
[19] Guariente, A.; Poll, M.; Bresolin, R.; Godoy, L. Avaliao da Qualidade percebida em Servios
atravs da Escala SERVQUAL. Anais do XXVI ENEGEP, Fortaleza, 2006.
[20] Harary, F. The maximum connectivity of a graph, Proc. Nat. Acad. Of sci. USA, v. 48, pp. 11421146, 1962.
[21] Kelmans, A., Connectivity of probabilistic networks, Automatic Telemekhania, v. 3, pp.98-116,
1966.
[22] Lave, J., Wenger, E., Situated Learning: Legitimate Peripheral Participation, Cambridge University Press, 1991
[23] Myrvold, W.; Cheung, H., Uniformly-Most Reliable do not always exist. Networks, v.21, pp. 417419, 1991.
54
[24] Newman, M. E. J., A measure of betweenness centrality based on random walks. Social Networks, in press, 2003.
[25] Nieminen, J., On centrality in a graph. Scandinavian Journal of Psychology, 15:322-336, 1974.
[26] Parasuraman, A.; Zeithaml, V.; Berry, L. A conceptual model of service quality and its implications
for future research. Journal of Marketing, Vol. 49, 41-50, 1985.
[27] Read, Ronald C. and Wilson, Robin J., An Atlas of Graphs. Clarendon Press, Oxford, 1998.
[28] Ruhnau, B. Eigenvector-centrality - a Node-centrality? Social Networks 22, 357-365, Dortmund,
Germany, 2000
[29] Sellitto, M.; Borchardt, M.; Arajo, D. Manuteno centrada em confiabilidade: aplicando uma
abordagem quantitativa. Anais do XXII ENEGEP, Curitiba, 2002.
[30] Shpungin, Y., Combinatorial Approach to Reliability Evaluation of Network with Unreliable Nodes
and Unreliable Edges, WASET, 2006.
[31] Teixeira, Leandro., Grafos que modelam redes confiaveis. Dissertao de Mestrado em Engenharia de Produo - Universidade Federal do Rio de Janeiro, 2008.
[32] YED Graph Editor, Verso 3.1.2.1. yWorks GmbH, Disponvel em http://www.yWorks.com.

275 - Thiagokkk Santohhhhhhs Attias Silva

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

275 - Thiagokkk Santohhhhhhs Attias Silva

Enviado por

Direitos autorais:

Formatos disponíveis

UM ESTUDO DE MEDIDAS DE CENTRALIDADE E CONFIABILIDADE EM REDES

Thiago Santos Attias Silva

Um Estudo de Medidas de Centralidade e Confiabilidade em Redes.

Dissertao de Mestrado apresentada ao Programa de Ps-graduao em Tecnologia do Centro

Presidente, Prof. Leonardo Silva de Lima, D.Sc. (orientador)

Prof. Carla Silva Oliveira, D.Sc. (ENCE/IBGE) (co-orientador)

Prof. Nair Maria Maia de Abreu, D.Sc. (UFRJ)

Prof. Lino Guimares Marujo, D.Sc.

Ficha catalogrfica preparada pela Biblioteca Central do CEFET-RJ

Silva , Thiago Santos Attias

Dissertao (Mestrado) - Centro Federal de Educao Tecnolgica

Thiago Santos Attias Silva

Grafos; Confiabilidade; Medidas de centralidade.

Thiago Santos Attias Silva

Teoria dos Grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Conceitos Bsicos Aplicados em Confiabilidade . . . . . . . . . . . . . . . . . . . . . . .

III Medidas de Centralidade

III.1 Tipologia de Fluxo em Redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

III.1.3 Processos envolvendo fluxo em redes . . . . . . . . . . . . . . . . . . . . . . . . 20

I.1 Teoria dos Grafos

1 i < n}. Os vrtices v1 e vn so denominados extremos do caminho. Um ciclo um caminho

Figura I.1: Digrafo.

G0 obtido atravs da supresso de vrtices de G, tal que x , y V 0 , se (x , y ) E 0 ento

d(vi ) = k , 1 i n. Quando d(vi ) = n 1, 1 i n, o grafo dito completo e denotado por

(wp , wq ) E2 , onde wp = f (vk ) e wq = f (vr ). A Figura I.2 exibe 3 grafos isomorfos.

Figura I.2: Grafos Isomorfos.

Figura I.3: Grafo G.

Figura I.4: Grafo G.

I.2 Conceitos Bsicos Aplicados em Confiabilidade

(G) (G) (G).

Figura I.5: Um grafo G e seus valores de Si e mi .

Figura I.6: S4 (G) = 11.

Figura I.7: S5 (G) = 6.

Figura I.8: S6 (G) = 1.

A Figura I.5 nos permite observar que Si + m(|E|i) = Qi (G0 ), 1 i n, onde:

Um modo de se calcular o nmero de subgrafos geradores contendo exatamente n 1 arestas

All-Terminal - Tambm um caso particular da classificao K -terminal, onde K igual ao nmero

II.1 Falhas em Arestas

e5 , respectivamente. O sistema considerado operante se houver qualquer ligao entre os vrtices

Figura II.1: Grafo G.

e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +e1 e2 e3 e4 e5 +

onde Si o nmero de subgrafos geradores conexos contendo i arestas.

Para = 0.2, temos:

R(G; 0.2) = 5(1 0.2)4 0.21 + 1(1 0.2)5 0.20 = 0.745

Figura II.2: Grafo G.

R(G; ) = Sn1 (1 )n1 m(n1)

Figura II.3: Grafos gerados a partir da Figura II.2.

11(1 )4 2 + 6(1 )5 1 + 1(1 )6 0 .

Figura II.4: G11 .

)i mi . Se = 0.2, R(G11 ; ) = 0.894, o que representa um aumento de 7.00% em relao

Figura II.5: G12 .

Figura II.6: Grafos G(V ; E) e H(V ; E).

R(G; ) = 32(1 )5 3 + 24(1 )6 2 + 8(1 )7 1 + 1(1 )8 0 .

R(G; ) < R(H; ), para 0 < < 1/3,

onde J a matriz de ordem n cujas entradas so iguais a 1 e (G) = Sn1 .

Sn1 = 11, i, j = 1, ...n.

onde a probabilidade de no falha das arestas do grafo.

III.1 Tipologia de Fluxo em Redes

III.1.1 Tipos de Trajetria

Caminho Geodsico (Geodesic Path)

III.1.2 Difuso de Fluxo

III.1.3 Processos envolvendo fluxo em redes

Comportamento pessoal e Opinio