PROBLEMA DA LOCALIZAÇÃO DE MÁXIMA COBERTURA APLICADO À

IDENTIFICAÇÃO DE PARCELAS FLORESTAIS REPRESENTATIVAS

Otimização em Grafos e Dinâmica do Carbono na Floresta Amazônica
PIB-E/0158/2013

Denys Silveira
ddbs@icomp.ufam.edu.br

Rosiane de Freitas (orientadora)

rosiane@icomp.ufam.edu.br

Niro Higuchi (coorientador)

niro@inpa.gov.br
Instituto Nacional de Pesquisas da Amazônia (INPA/MCTI)

Instituto de Computação
Universidade Federal do Amazonas
Dezembro 2014 (Manaus - AM)

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 1 1

 Roteiro

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 2

 Introdução

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 3

 Introdução

Dinâmica Florestal

A introdução de novas tecnologias de sensoriamento remoto

abriu oportunidades de aplicação de técnicas computacionais no
contexto do Manejo Florestal.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 4

 Introdução

Dinâmica Florestal

A introdução de novas tecnologias de sensoriamento remoto

abriu oportunidades de aplicação de técnicas computacionais no
contexto do Manejo Florestal.
O uso da tecnologia LiDAR (Light Detection and Ranging) (Asner,
2012) [1] permite extrair a altura da vegetação.

Figura: Uso do LiDAR em parcelas florestais.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 4
 Dinâmica Florestal

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 5

 Dinâmica Florestal

Conceitos Fundamentais

Inventário Florestal é o processo de coletar sistematicamente

dados e informações da floresta para análise.
As principais informações coletadas são: Diâmetro à Altura do
Peito (DAP), altura, idade, espécie.
O carbono da vegetação é um elemento importante nas mudan-
ças climáticas e corresponde a 50% da madeira seca (em estufa).
Árvores Representativas: Emergentes (mais altas) e Dominan-
tes (mais largas).

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 6

 Dinâmica Florestal

Conceitos Fundamentais
Parcelas Florestais

São áreas demarcadas em regiões da floresta para realizar medições

sistemáticas e periódicas.
Podem ser temporárias ou permanentes e o tamanho pode variar de acordo
com o objetivo do estudo (por exemplo, 20x20m, 20x125m).

Divisão em Parcelas

Figura: Divisão de área de estudo em parcelas florestais.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 7

 Dinâmica Florestal

Objetivo da Pesquisa
Localização de Parcelas Representativas

Localizar parcelas cuja representatividade seja máxima em relação às

parcelas vizinhas.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 8

 Dinâmica Florestal

Objetivo da Pesquisa
Localização de Parcelas Representativas

Localizar parcelas cuja representatividade seja máxima em relação às

parcelas vizinhas.

Aplicação útil para estimativa de estoque de carbono, planejamento de

manejo de floresta plantada (altura para corte), e identificação de clareiras
na floresta (que podem indicar desmatamento ou outra modificação da
paisagem natural).

Figura: Esquematização
Denys Silveira, Rosiane da (CONIC’2014)
de Freitas, Niro Higuchi escolha de parcelas florestais de máxima representativi- 8
 Problema de Localização de Facilidades de Máxima Cobertura

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 9

 Problema de Localização de Facilidades de Máxima Cobertura Localização Ótima de Facilidades por Cobertura

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 10

 Problema de Localização de Facilidades de Máxima Cobertura Localização Ótima de Facilidades por Cobertura

Localização de Cobertura Máxima

Dentre os problemas de localização de facilidades apresentados por

Farahani (2012) [3], o problema que mais representa o escopo deste
projeto de pesquisa é o Problema de Localização por Cobertura
Máxima – Maximum Covering Location Problem (MCLP) (Church et al.,
1974 [2]).
Diferencia-se do problema de localização de facilidades clássico por
não necessitar que todos os pontos de demanda sejam cobertos.
Limita o número de facilidades escolhidas a um número fixo p.
A função objetivo é baseada em pesos (nesta pesquisa são os índices
de representatividade).

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 11

 Problema de Localização de Facilidades de Máxima Cobertura Localização Ótima de Facilidades por Cobertura

Etapas de Aplicação do Modelo de MCLP

A aplicação pode ser representada pela seguinte figura:

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 12

 Problema de Localização de Facilidades de Máxima Cobertura Localização Ótima de Facilidades por Cobertura

Aplicação do Modelo Teórico

Dada uma região de floresta com n parcelas, o algoritmo:
Seleciona p parcelas dentro de um conjunto de parcelas
candidatas J; Pm
Maximiza a representatividade da parcela escolhida ( i =1 wi ) e
das demais parcelas cobertas por ela.

Legenda
32.17m
29.07m

27.45m

Parcelas escolhidas
23.45m com máxima cobertura

88.88m
Altura média dominante
da parcela

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 13

 Problema de Localização de Facilidades de Máxima Cobertura Localização Ótima de Facilidades por Cobertura

Relação de Vizinhança
Foi modelado um grafo do tipo grid, onde os vértices são as
parcelas e as arestas mapeiam a relação de vizinhança (de até 8
vizinhos).
Uma vizinhança Γs configura-se em todas as parcelas ainda não
cobertas por nenhuma facilidade e que podem ser cobertas
pelo vértice s.

Figura: Representação de vizinhança entre os vértices do grafo.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 14

 Problema de Localização de Facilidades de Máxima Cobertura Formulação Matemática em Programação Inteira

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 15

 Problema de Localização de Facilidades de Máxima Cobertura Formulação Matemática em Programação Inteira

Problema de Localização de Facilidades (Juan Villegas,

2006) [7]

1 Seja J um conjunto de n facilidades (recursos, central

provedora de serviços) J = {1, · · · , n}.
2 P1 , P2 , · · · , Pn finitos conjuntos, cada um correspondendo a
uma potencial localização de facilidade.
3 I = ∪j ∈J Pj = {1, 2, · · · , m} o conjunto de m pontos de
demanda que são cobertos por n facilidades.
4 E finalmente J ∗ ⊆ J o conjunto que cobre os pontos de
demanda no conjunto I ∗ (I ∗ ⊆ I ) tal que J ∗ maximize
w (J ∗).

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 16

 Problema de Localização de Facilidades de Máxima Cobertura Formulação Matemática em Programação Inteira

Formulação Matemática em Programação Inteira

para o MCLP
Toda parcela é uma parcela candidata a ser uma facilidade.
A variável de decisão yi indica se a parcela i está sendo coberta
por uma parcela escolhida como facilidade ou não.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 17

 Métodos Desenvolvidos

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 18

 Métodos Desenvolvidos

Métodos Desenvolvidos

Pré-processamento da Instância de Teste:

Manipulação da nuvem de pontos do LiDAR utilizando a
ferramenta Quick Terrain Modeler
R
8.0.3 versão de avaliação.
Desenvolvimento do algoritmo para determinação da altura
média da vegetação emergente, implementado na linguagem
Python.

Método Exato:
Branch-and-cut usando o solver CPLEX
R
versão 13.1.

Método Aproximado:
Implementação da meta-heurística GRASP (RESENDE, 1998
[6]) (Greedy Randomized Adaptive Search Procedure) para o
problema de Maximum Covering Location Problem, na linguagem
C++.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 19

 Métodos Desenvolvidos

Inventário Florestal Usando a Tecnologia LiDAR

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 20

 Métodos Desenvolvidos

Algoritmo da Altura Média Emergente

Pontos com altura mais elevada

Subregião 1 Média da Altura

da Superfície

... ... Média da

subregião 1

Média da Altura
do Terreno
... Média da altura
emergente da
Pontos com altura menos elevada parcela florestal.

Parcela Florestal ... ... Média da

subregião N

Subregião N

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 21

 Métodos Desenvolvidos

Métodos Desenvolvidos

Meta-heurística GRASP (Greedy Randomized Adaptive Search

Procedure)
Meta-heurística desenvolvida por Resende e Feo (1995) [4].
Composta por duas fases principais:
Fase de Construção Gulosa Adaptativa:
A função gulosa γi calcula o somatório do peso wi na vizinhança
Γs
Fase de Melhoria da solução:
Foi utilizada a heurística de busca local 2-exchange (Resende,
1998) [6], onde parcelas do conjunto de solução são trocadas uma
a uma com aquelas que não estão presentes na solução, na
esperança de que a nova configuração formada melhore a
configuração corrente de parcelas escolhidas.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 22

 Métodos Desenvolvidos

Meta-heurística GRASP aplicada ao problema MCLP

Pseudocódigo

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 23

 Experimentos Computacionais

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 24

 Experimentos Computacionais

Ambiente Computacional

Máquina virtual com 4 núcleos e 28 GB de memória principal,

configurada na plataforma de cloud computing Microsoft
Azure R
.

Softwares utilizados para desenvolvimento do algoritmo para o

cálculo da altura média emergente:
Linguagem: Python 2.7
Interpretador: Pypy 2.4.0
Bibliotecas científicas utilizadas: NumPy e SciPy
Softwares utilizados na implementação do GRASP
Linguagem: C++
Compilador: g++
Biblioteca utilizada: BGL (Boost Graph Library )

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 25

 Experimentos Computacionais

Instância Usada nos Testes

1 Nuvem de pontos do LiDAR de VANT obtida na Reserva

Experimental ZF-2/INPA (área aproximada de 200x200m).
2 Número de parcelas candidatas: 25 parcelas (grid de 5x5).
3 Número de parcelas representativas: p = 1, 2, 3, 4, 5.
4 Número de iterações utilizadas: 1, 5, 10, 20 e 50.
5 Parâmetro de adaptabilidade do GRASP α = 0, 0.3, 0.5, 0.8, 1.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 26

 Experimentos Computacionais

Resultado do Algoritmo de Altura Média Emergente

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 27

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 1

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 28

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 1

(continuação)

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 29

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 2

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 30

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 2

(continuação)

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 31

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 3

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 32

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 3

(continuação)

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 33

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 5

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 34

 Experimentos Computacionais

Resultado da Meta-heurística GRASP para p = 5

(continuação)

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 35

 Experimentos Computacionais

Análise dos Resultados

A aplicação da meta-heurística GRASP demonstrou ser uma técnica

computacional adequada para o problema do MCLP e a utilização do
modelo de MCLP atende às necessidades de atividades de manejo de
corte.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 36

 Experimentos Computacionais

Análise dos Resultados

A aplicação da meta-heurística GRASP demonstrou ser uma técnica

computacional adequada para o problema do MCLP e a utilização do
modelo de MCLP atende às necessidades de atividades de manejo de
corte.

Para a aplicação real em floresta primária, outros fatores podem ser

considerados através da inclusão de novas restrições ao modelo,
como o grau de dificuldade de acesso à parcela florestal.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 36

 Experimentos Computacionais

Análise dos Resultados

A aplicação da meta-heurística GRASP demonstrou ser uma técnica

computacional adequada para o problema do MCLP e a utilização do
modelo de MCLP atende às necessidades de atividades de manejo de
corte.

Para a aplicação real em floresta primária, outros fatores podem ser

considerados através da inclusão de novas restrições ao modelo,
como o grau de dificuldade de acesso à parcela florestal.
A restrição imposta por p alinha-se à restrição real da fase de
planejamento de Inventário Florestal e instalação de parcelas
permanentes.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 36

 Experimentos Computacionais

Análise dos Resultados

A aplicação da meta-heurística GRASP demonstrou ser uma técnica

computacional adequada para o problema do MCLP e a utilização do
modelo de MCLP atende às necessidades de atividades de manejo de
corte.

Para a aplicação real em floresta primária, outros fatores podem ser

considerados através da inclusão de novas restrições ao modelo,
como o grau de dificuldade de acesso à parcela florestal.
A restrição imposta por p alinha-se à restrição real da fase de
planejamento de Inventário Florestal e instalação de parcelas
permanentes.

Os experimentos computacionais demonstraram que as soluções

aproximadas obtidas são próximas à solução exata, quando estas
não convergem à solução ótima global.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 36

 Considerações Finais

Roteiro

1 Introdução

2 Dinâmica Florestal

3 Problema de Localização de Facilidades de Máxima Cobertura

Localização Ótima de Facilidades por Cobertura
Formulação Matemática em Programação Inteira

4 Métodos Desenvolvidos

5 Experimentos Computacionais

6 Considerações Finais

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 37

 Considerações Finais

Considerações Finais

Interação com grupos de pesquisa nas áreas de Meio Ambiente

(dinâmica florestal, mudanças climáticas, ecologia) e Ciência da
Computação (otimização combinatória, aprendizagem de
máquina, processamento de imagem).

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 38

 Considerações Finais

Considerações Finais

Interação com grupos de pesquisa nas áreas de Meio Ambiente

(dinâmica florestal, mudanças climáticas, ecologia) e Ciência da
Computação (otimização combinatória, aprendizagem de
máquina, processamento de imagem).
Participação em projeto multidisciplinar com otimização em
grafos no contexto de Dinâmica Florestal.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 38

 Considerações Finais

Considerações Finais

Interação com grupos de pesquisa nas áreas de Meio Ambiente

(dinâmica florestal, mudanças climáticas, ecologia) e Ciência da
Computação (otimização combinatória, aprendizagem de
máquina, processamento de imagem).
Participação em projeto multidisciplinar com otimização em
grafos no contexto de Dinâmica Florestal.
Abordagem de um problema de otimização clássico de
localização de facilidades.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 38

 Considerações Finais

Considerações Finais

Interação com grupos de pesquisa nas áreas de Meio Ambiente

(dinâmica florestal, mudanças climáticas, ecologia) e Ciência da
Computação (otimização combinatória, aprendizagem de
máquina, processamento de imagem).
Participação em projeto multidisciplinar com otimização em
grafos no contexto de Dinâmica Florestal.
Abordagem de um problema de otimização clássico de
localização de facilidades.
Elaboração de técnicas algorítmicas avançadas
(processamento de imagens LiDAR, método exato e método
aproximado com a meta-heurística GRASP).

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 38

 Considerações Finais

Divulgação da Pesquisa

1 Colaboração em Tese de Doutorado:

O projeto está associado à tese de doutorado da aluna Rosana
Noronha Gemaque ([5]).

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 39

 Considerações Finais

Divulgação da Pesquisa

1 Colaboração em Tese de Doutorado:

O projeto está associado à tese de doutorado da aluna Rosana
Noronha Gemaque ([5]).
2 Participação em Eventos:
Curso Internacional para Elaboração, Implementação e
Monitoramento de Projetos de Carbono - Out-Nov/13.
Seminário do "Projeto Dinâmica de Carbono da Floresta
Amazônica- CADAF - Abril/14.
Curso "Microsoft Azure for Research Training- Outubro/14.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 39

 Considerações Finais

Divulgação da Pesquisa

1 Colaboração em Tese de Doutorado:

O projeto está associado à tese de doutorado da aluna Rosana
Noronha Gemaque ([5]).
2 Participação em Eventos:
Curso Internacional para Elaboração, Implementação e
Monitoramento de Projetos de Carbono - Out-Nov/13.
Seminário do "Projeto Dinâmica de Carbono da Floresta
Amazônica- CADAF - Abril/14.
Curso "Microsoft Azure for Research Training- Outubro/14.
3 Apresentação de Trabalho:
O trabalho foi apresentado no XLVI Simpósio Brasileiro de
Pesquisa Operacional, em 19/Out/2014 (Salvador/BA).

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 39

 Considerações Finais

Divulgação da Pesquisa

1 Colaboração em Tese de Doutorado:

O projeto está associado à tese de doutorado da aluna Rosana
Noronha Gemaque ([5]).
2 Participação em Eventos:
Curso Internacional para Elaboração, Implementação e
Monitoramento de Projetos de Carbono - Out-Nov/13.
Seminário do "Projeto Dinâmica de Carbono da Floresta
Amazônica- CADAF - Abril/14.
Curso "Microsoft Azure for Research Training- Outubro/14.
3 Apresentação de Trabalho:
O trabalho foi apresentado no XLVI Simpósio Brasileiro de
Pesquisa Operacional, em 19/Out/2014 (Salvador/BA).
4 Artigo em elaboração:
Artigo em produção "Problema de Localização de Máxima
Cobertura Aplicado à Identificação de Parcelas Florestais
Representativas".

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 39

 Considerações Finais

Referências

Gregory P Asner, Joseph Mascaro, Helene C Muller-Landau, Ghislain

Vieilledent, Romuald Vaudry, Maminiaina Rasamoelina, Jefferson S Hall, and
Michiel van Breugel.
A universal airborne lidar approach for tropical forest carbon mapping.
Oecologia, 168(4):1147–1160, 2012.

Richard Church and Charles R Velle.

The maximal covering location problem.
Papers in regional science, 32(1):101–118, 1974.

Reza Zanjirani Farahani, Nasrin Asgari, Nooshin Heidari, Mahtab Hosseininia,

and Mark Goh.
Covering problems in facility location: A review.
Computers & Industrial Engineering, 62(1):368–407, 2012.

Thomas A Feo and Mauricio GC Resende.

Greedy randomized adaptive search procedures.
Journal of global optimization, 6(2):109–133, 1995.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 40

 Considerações Finais

Referências (cont.)

Rosana N. Gemaque.
Optimization of processes in amazon rainforest carbon dynamics.
2014.
Mauricio GC Resende.
Computing approximate solutions of the maximum covering problem with grasp.
Journal of Heuristics, 4(2):161–177, 1998.

Juan G Villegas, Fernando Palacios, and Andrés L Medaglia.

Solution methods for the bi-objective (cost-coverage) unconstrained facility
location problem with an illustrative example.
Annals of Operations Research, 147(1):109–141, 2006.

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 41

 Obrigado!

ddbs@icomp.ufam.edu.br

Denys Silveira, Rosiane de Freitas, Niro Higuchi (CONIC’2014) 42