Laboratório Na ional de Computação Cientí a LNCC/MCT
Universidade do Estado da Bahia UNEB
Universidade Estadual de Feira de Santana UEFS
Instituto Federal de Edu ação, Ciên ia e Te nologia da Bahia IFBA
FIEB/SENAI/CIMATEC
Fa uldade de Edu ação FACED UFBA Sede
Instituto de Humanidades, Artes e Ciên ias IHAC UFBA Co-promotor
Um Modelo Evolutivo para Simulação de Redes de
Anidade
Roberto Luiz Souza Monteiro
Salvador
UFBA
\
LNCC\
UNEB\
UEFS\
IFBA\
SENAI CIMATEC\
FACED\
IHACPROGRAMA DE PÓS-GRADUAÇO EM DIFUSO DO
CONHECIMENTO
Doutorado em Difusão do Conhe imento
Tese de doutorado
Um Modelo Evolutivo para Simulação de Redes de
Anidade
Apresentada por: Roberto Luiz Souza Monteiro
Orientador: Hernane Borges de Barros Pereira
Co-orientador: Mar elo Albano Moret Simões Gonçalves
Um Modelo Evolutivo para Simulação de Redes de
Anidade
Tese de doutorado apresentada ao Programa de Pós-graduação
em Difusão do Conhe imento, Curso de Doutorado em Difusão
doConhe imentodaUFBA
\
LNCC\
UNEB\
UEFS\
IFBA\
SENAI CIMATEC\
FACED\
IHAC, omorequisitopar ialparaa obten-ção dotítulo de Doutor em Difusão do Conhe imento.Áreade onhe imento: Multidis iplinar
Orientador: Hernane Borges de BarrosPereira
Universidade Estadual de Feira de Santana
Co-orientador: Mar elo Albano Moret SimõesGonçalves
SENAI CIMATEC
Salvador
UFBA
\
LNCC\
UNEB\
UEFS\
IFBA\
SENAI CIMATEC\
FACED\
IHAC 2012!
!" # $ % &
'
()
)
*
+ &
, -
.
/ +
. &
0
&
!
1
# 2
3
/ 4
/
2
1
# 2
&
5
6
7
! 5
8
&
&
% 5
&
+
9
&
:
"
&
;
.
/ +
;; 2
3
/ 4
/
;;;
7
&
5
6
;< '=
UFBA
\
LNCC\
UNEB\
UEFS\
IFBA\
SENAI CIMATEC\
FACED\
IHACPrograma de Pós-graduação emDifusão doConhe imento
Doutorado emDifusão doConhe imento
A Ban a Examinadora, onstituída pelos professores abaixo listados, leram e
re omendam a aprovação da Tese de doutorado, intitulada Um Modelo Evolutivo para
Simulação de Redes de Anidade, apresentada no dia 20 de junho de 2012, omo
requisitopar ialparaaobtenção dotítulode Doutor em Difusão do Conhe imento.
Orientador:
Prof. Dr. HernaneBorgesdeBarrosPereira
UniversidadeEstadualdeFeiradeSantana
Co-orientador:
Prof. Dr. Mar eloAlbanoMoretSimõesGonçalves
SENAI CIMATEC
Membro externoda Ban a:
Prof. Dr. FrededeOliveiraCarvalho
UniversidadeFederaldeAlagoas
Membro interno daBan a:
Prof. Dr. JoséGar iaVivasMiranda
UniversidadeFederaldaBahia
Membro externoda Ban a:
Prof. Dr. Mar usAlban
UniversidadeFederaldaBahia
Membro externoda Ban a:
Prof. Dr. PauloCésarMa hadodeAbreuFarias
Dedi o meus sin eros agrade imentospara:
OCósmi o, sem oqual nadaseria possível;
os professores doutores Hernane Borges de BarrosPereira e Mar elo A.Moret, pela
orientação e in entivo;
a minha esposa Tereza Kelly Gomes Carneiro, pelo amor, arinho, ompreensão,
tolerân iae olaboraçãodurantetodo este trabalho;
ao meu grande amigo José Roberto de Araújo Fontoura pelas sugestões e apoio
durantetodoeste trabalho;
aIná io Fadigas pelo suporte sempreque a matemáti ame ven eu;
aos meus pais que sempreapoiaram meus estudos;
todos os olegas doDoutorado Multi-institu ionaleMultidis iplinar emDifusãodo
Neste trabalho realizamos uma análise da estrutura topológi a de arranjos produtivos
lo ais(APLs), om analidadede fa ilitaradifusão do onhe imentoe, omo
onsequên- ia,aumentara ompetitividadesdas empresas omponentes doAPL. Para tanto,foram:
(i)levantados dados a respeito das relaçõesexistentes entre empresas doAPL estudado,
(ii) estabele idas as ara terísti as das topologias das redes so iais onstituídas e (iii)
realizadas a modelagem e a implementação de uma solução omputa ional que permite
visualizarepreveraevoluçãode taisredes omopassardotempo,indi andoospro essos
de ooperação e olaboração,in luindo aqueles em que hádifusão do onhe imento, que
o orrerão, aso as interações entre os atores o orra em onformidade om a simulação.
Umadas prin ipais ontribuiçõesdesta pesquisa foi odesenvolvimento de um modelo de
redesdeanidade, queseapli anão somenteàsredesestudadas, mastambémaqualquer
rede onde as interações entre os atores se dê de a ordo om as semelhanças existentes
entre eles. Este modelo pode auxiliaradenição de estratégias políti o-e onmi as,uma
vez quepermiteidenti arospontosde fragilidadenaredeexistente,indi ando aminhos
que, se seguidos, levarão ao estabele imento de relações entre os membros do arranjo
maisrobustas de modoafavore er adifusãodo onhe imento, auxiliandoassim, o
desen-volvimento só io-e onmi o da região onde este APL está situado. Além da apli açãoà
simulaçãodaevoluçãoderedesde ooperaçãoe olaboraçãode arranjosprodutivoslo ais,
omodelodesenvolvidotambémpermiteasimulaçãodaevoluçãode redesde aminoá idos
de proteínas e e ossistemas.
In this work we performed an analysis of the topologi al stru ture of a lo alprodu tive
arrangement (LPA), in order to fa ilitate the knowledge diusion and, onsequently,
in- reasesthe ompetitiveness of the LPA omponent ompanies. Forthis we: (i) olle ted
dataregardingthe relationshipbetweenthestudied luster'srms,(ii)set outthe
hara -teristi sof the topologiesof the formed so ialnetworks and (iii)performed the modeling
and implementation of a omputationalsolution that allows viewand predi t the
evolu-tion of su h networks over time, indi atingthe ooperation and ollaboration pro esses,
in ludingthose wherethereis knowledgediusion,whi ho ur if theintera tionsamong
a torstakepla eina ordan ewiththesimulation. Amajor ontributionofthisresear h
wasto develop amodel for anity networks, whi his not onlyappli able to the studied
networks, but alsoany network where the intera tions between the a tors give a ording
tothe similaritiesbetween them. Thismodel anhelp denepoliti aland e onomi
stra-tegies, that allows to identify points of weakness in the existing network, showing the
way that, if followed, will lead to the establishment of more robust relations between
themembers of the arrangement, inordertoen ourage disseminationof knowledge,thus
helpingthe developmentofthe so io-e onomi regionwherethese lustersarelo ated. In
additionto the indi ated appli ation, the simulationof the evolution of the ooperation
and ollaboration networks of lo al produ tive arrangements, the model developed, also
allows the simulation of the evolution of aminoa id hains of proteinsand e osystems.
1 Introdução 1 1.1 Formulação doproblema . . . 1 1.2 Objetivos . . . 2 1.3 Justi ativa . . . 2 1.4 Hipóteses . . . 3 1.5 Metodologia . . . 3 2 Revisão da Literatura 7 2.1 Grafos . . . 7 2.1.1 Denição de grafo. . . 8 2.1.2 Matriz de adja ên ia . . . 9 2.1.3 Distân ias geodési as . . . 10 2.2 Redes omplexas . . . 11 2.2.1 Tipos de redes. . . 12 2.2.2 Transitividade . . . 12 2.2.3 Topologiasde rede . . . 13 2.2.3.1 Redes aleatórias . . . 13
2.2.3.2 Redes livres de es ala . . . 13
2.2.3.3 Redes de mundo pequeno . . . 15
2.2.4 Métri as para análise de redes omplexas . . . 17
2.2.4.1 Densidade . . . 17
2.2.4.2 Coe iente de aglomeração . . . 19
2.2.4.3 Caminho mínimo médio . . . 20
2.2.4.4 Grau médio . . . 21 2.2.4.5 Distribuição de graus . . . 22 2.2.4.6 Centralidade . . . 22 2.2.4.7 E iên ia . . . 24 2.3 Algoritmos. . . 25 2.3.1 Caminho mínimo . . . 26 2.3.2 Centralidadede intermediação . . . 28
2.3.3 Algoritmos evolutivos . . . 30
2.4 Arranjos produtivos lo ais . . . 32
2.5 Jogos não- ooperativos . . . 33
3 Modelagem Computa ional 35 3.1 Pro edimentos metodológi os . . . 36
3.1.1 Aquisição de dados . . . 37
3.1.2 Determinação do domíniode validadeda e iên ia . . . 38
3.1.2.1 Determinação da probabilidade de re onexão de arestas para riação de redes arti iaisde mundo pequeno . . . . 40
3.1.2.2 Determinação do domíniode validadeda e iên ia . . . . 40
3.1.3 Análise dadistribuiçãodefrequên iadasanidadesentre as empre-sas doAPL . . . 42
3.1.4 Re onstrução e análiseda rede neuraldo C. elegans . . . 43
3.2 Análise da rede neuraldo C. elegans . . . 46
3.2.1 Simulação de ataques . . . 49
3.2.1.1 Remoção aleatóriade arestas . . . 49
3.2.1.2 Remoção dos hubs . . . 51
3.3 Análise das redes de ooperação e olaboraçãodo APL . . . 53
3.4 Análise do domíniode validadeda e iên ia . . . 55
3.5 Análise da distribuição de frequên ia das anidades entre as empresas do APL . . . 58
3.6 Modelos propostos . . . 59
3.6.1 Modelo Anity . . . 61
3.6.2 Modelo Centrality. . . 64
3.6.3 Modelo Elite . . . 66
4 Resultados das Simulações 69 4.1 Pro edimentos metodológi os . . . 69
4.1.1 Análise da rede de ooperaçãoe olaboração doAPL . . . 70
4.1.2 Simulações. . . 71
4.2 Análise da rede formada pelas relações de ooperação e olaboração das empresas donú leo doAPL de turismoda Costa dos Corais/AL . . . 73
4.2.1 Simulação de ataques . . . 75
4.2.1.1 Remoção aleatóriade arestas . . . 75
4.3 Análise da rede evolutiva do APL onsiderando 33% de anidade e 0,1%
de mutação . . . 79
4.3.1 Simulação de ataques . . . 80
4.3.1.1 Remoção aleatóriade arestas . . . 80
4.3.1.2 Remoção dos hubs . . . 82
4.3.2 Análise daevolução dase iên ias das redesgeradaspelos modelos implementados . . . 82
4.3.3 ComparaçãodaspropriedadesdaredegeradapelomodeloElite om uma rede aleatória,uma rede livre de es ala e uma rede de mundo pequeno equivalentes . . . 84
4.3.3.1 Comparação da evolução das e iên ias da rede gerada pelomodeloElite om uma rede aleatória,uma rede livre de es ala euma rede de mundo pequeno equivalentes . . . 85
4.4 Análise da rede evolutiva doAPL onsiderando 33% de anidade e1% de mutação . . . 87
4.5 Análise da rede evolutiva do APL onsiderando 46% de anidade e 0,1% de mutação . . . 89
4.5.1 Simulação de ataques . . . 91
4.5.1.1 Remoção aleatóriade arestas . . . 91
4.5.1.2 Remoção dos hubs . . . 93
4.5.2 Análise daevolução dase iên ias das redesgeradaspelos modelos implementados . . . 93
4.5.3 ComparaçãodaspropriedadesdaredegeradapelomodeloElite om uma rede aleatória,uma rede livre de es ala e uma rede de mundo pequeno equivalentes . . . 95
4.5.3.1 Comparação da evolução das e iên ias da rede gerada pelomodeloElite om uma rede aleatória,uma rede livre de es ala euma rede de mundo pequeno equivalentes . . . 96
4.6 Análise da rede evolutiva do APL onsiderando 49% de anidade e 0,1% de mutação . . . 98
4.6.1 Simulação de ataques . . . 99
4.6.1.1 Remoção aleatóriade arestas . . . 99
4.6.1.2 Remoção dos hubs . . . 101
4.6.2 Análise daevolução dase iên ias das redesgeradaspelos modelos implementados . . . 101
4.6.3 ComparaçãodaspropriedadesdaredegeradapelomodeloElite om uma rede aleatória,uma rede livre de es ala e uma rede de mundo pequeno equivalentes . . . 103
4.6.3.1 Comparação da evolução das e iên ias da rede gerada
pelomodeloElite om uma rede aleatória,uma rede livre
de es ala euma rede de mundo pequeno equivalentes . . . 104
4.7 Análise da rede evolutiva do APL onsiderando 64% de anidade e 0,1% de mutação . . . 106
4.7.1 Simulação de ataques . . . 108
4.7.1.1 Remoção aleatóriade arestas . . . 108
4.7.1.2 Remoção dos hubs . . . 110
4.7.2 Análise daevolução dase iên ias das redesgeradaspelos modelos implementados . . . 110
4.7.3 ComparaçãodaspropriedadesdaredegeradapelomodeloElite om uma rede aleatória,uma rede livre de es ala e uma rede de mundo pequeno equivalentes . . . 112
4.7.3.1 Comparação da evolução das e iên ias da rede gerada pelomodeloElite om uma rede aleatória,uma rede livre de es ala euma rede de mundo pequeno equivalentes . . . 113
4.8 Análise da simulação daevolução darede de ooperaçãoe olaboração do APL de turismodaCosta dos Corais/AL . . . 115
5 Con lusões e Observações 116 5.1 Considerações sobre os resultados . . . 116
5.2 Con lusões. . . 118
5.3 Contribuições . . . 120
5.3.1 Deniçãododomíniodevalidadedae iên ia omoparâmetropara determinação datopologia de uma rede . . . 120
5.3.2 Ferramentas para análisede redes so iais e omplexas . . . 122
5.3.3 Re onstrução darede neural doC. elegans . . . 124
5.4 Propostas para trabalhos futuros . . . 124
A Questionários 125 A.1 Questionário apli ado às empresas do APL de Turismo da Costa dos Co-rais/AL . . . 125
A.1.1 Questõesgerais . . . 125
A.1.2 Questõesreferentes à experiên ia daempresa . . . 126
A.1.3 Questõesreferentes àsredes so iais formadas pelas empresas mem-bros doAPL. . . 131
A.1.3.1 Questõesreferentes aonú leo entral(empresas espe iali-zadas nas atividadesprin ipaisdoAPL). . . 131
A.1.3.2 Questõesreferentes àsegunda amada(empresas que
for-ne em omponentes eserviços para o APL)e ter eira
a-mada (empresas de edu ação, omuni ação, transporte,
ban os, seguradoras,órgãos públi oset que prestam
ser-viços para oAPL). . . 132
A.1.4 Se retarias . . . 132
B Algoritmos 135 B.1 Algoritmo evolutivo baseado emanidade . . . 136
B.2 Algoritmo para ál ulodadensidade . . . 137
B.3 Algoritmo para ál ulodos grausdos vérti es . . . 137
B.4 Algoritmo para ál ulodadistribuição de graus . . . 138
B.5 Algoritmo para ál ulodograu médio . . . 139
B.6 Algoritmo para ál ulodo oe ientede aglomeração . . . 140
B.7 Algoritmo para ál ulodo oe ientede aglomeraçãomédio . . . 141
B.8 Algoritmo para multipli açãobooleanade matrizes . . . 141
B.9 Algoritmo para en ontrar os aminhos mínimosemum grafo . . . 142
B.10Algoritmo para ál ulodo aminho mínimomédio . . . 143
B.11Algoritmo para ál ulododiâmetro de um grafo . . . 143
B.12Algoritmo para ál ulodas e iên iasdos vérti es de um grafo . . . 144
B.13Algoritmo para ál ulodae iên ia globalde um grafo . . . 144
B.14Algoritmo para ál ulodas e iên iasdos subgrafosde um grafo . . . 145
B.15Algoritmo para ál ulodae iên ia lo alde um grafo . . . 146
3.1 Comparação dos parâmetros da rede neural do C. elegans om uma rede
aleatória,uma rede livre de es ala e uma rede de mundo pequeno . . . 46
3.2 Comparaçãodos parâmetros daredeneural doC. elegans,apósaremoção
aleatóriade arestas . . . 49
3.3 Estudo da variação dos parâmetros da rede neural do C. elegans, após a
remoção aleatóriade arestas . . . 49
3.4 Comparaçãodos parâmetros daredeneural doC. elegans,apósaremoção
dos hubs . . . 51
3.5 Estudo da variação dos parâmetros da rede neural do C. elegans, após a
remoção dos hubs . . . 51
3.6 Comparaçãodosparâmetrosdasredesde ooperação/ olaboraçãodoAPL
de turismoda Costados Corais/AL. . . 54
3.7 Codi ação dos romossomosde in o indivíduoshipotéti os.. . . 60
4.1 Combinaçãodos parâmetrosper entualdeanidade,probabilidadede
o or-rên iade mutações e númerode gerações, para realizaçãodas simulações. . 69
4.2 Número de redes utilizadas nos
5
grupos de simulações realizadas nesta pesquisa. . . 714.3 Comparaçãodos parâmetros darede de ooperação/ olaboraçãodoAPL
de turismoda Costados Corais/AL . . . 74
4.4 Comparaçãodos parâmetrosdarede de ooperação e olaboraçãodoAPL
de turismoda Costados Corais/AL,após aremoção aleatóriade arestas . 75
4.5 Estudo da variação dos parâmetros da rede de ooperação e olaboração
do APL de turismo da Costa dos Corais/AL, após aremoção aleatória de
arestas . . . 75
4.6 Comparaçãodos parâmetrosdarede de ooperação e olaboraçãodoAPL
de turismoda Costados Corais/AL,após aremoção dos hubs . . . 77
4.7 Estudo da variação dos parâmetros da rede de ooperação e olaboração
do APL de turismoda Costa dos Corais/AL,apósa remoção dos hubs . . 77
4.8 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite. . . 79
4.9 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite, apósa remoção aleatóriade arestas . . . 80
4.10 Estudo da variação dos parâmetros das redes geradas pelos modelos
4.11 Comparaçãodosparâmetrosdaredesimulada omumaredealeatória,uma
rede livre de es ala e uma rede de mundo pequeno . . . 84
4.12 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite. . . 89
4.13 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite, apósa remoção aleatóriade arestas . . . 91
4.14 Estudo da variação dos parâmetros das redes geradas pelos modelos
A-nity, Centrality e Elite, apósa remoção aleatóriade arestas . . . 91
4.15 Comparaçãodosparâmetrosdaredesimulada omumaredealeatória,uma
rede livre de es ala e uma rede de mundo pequeno . . . 95
4.16 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite. . . 98
4.17 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite, apósa remoção aleatóriade arestas . . . 99
4.18 Estudo da variação dos parâmetros das redes geradas pelos modelos
A-nity, Centrality e Elite, apósa remoção aleatóriade arestas . . . 99
4.19 Comparaçãodosparâmetrosdaredesimulada omumaredealeatória,uma
rede livre de es ala e uma rede de mundo pequeno . . . 103
4.20 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite. . . 106
4.21 Comparaçãodos parâmetrosdasredesgeradaspelosmodelosAnity,
Cen-trality e Elite, apósa remoção aleatóriade arestas . . . 108
4.22 Estudo da variação dos parâmetros das redes geradas pelos modelos
A-nity, Centrality e Elite, apósa remoção aleatóriade arestas . . . 108
4.23 Comparaçãodosparâmetrosdaredesimulada omumaredealeatória,uma
rede livre de es ala e uma rede de mundo pequeno . . . 112
4.24 Comparaçãodos parâmetros daredeoriginaldoAPL de turismodaCosta
dos Corais/AL om a rede neuraldo C. elegans. . . 115
4.25 ComparaçãodosparâmetrosdaredesimuladadoAPLdeturismodaCosta
dos Corais/AL om a rede neural do C. elegans, onsiderando 46% de
anidade entre os atores e 0,1% de mutação, utilizando o modelo Elite,
após 500 gerações. . . 115
4.26 Comparaçãodos parâmetros daredeoriginaldoAPL de turismodaCosta
1.1 Mapa on eitualdesta tese. Fonte: Autor. . . 5
1.2 Prin ipaisautores estudados nesta tese. Fonte: Autor. . . 6
2.1 O problema das pontes de Königsberg. . . 7
2.2 Exemplos de grafos . . . 8
2.3 Um grafo om in o vérti es e in o arestas . . . 9
2.4 Coe iente de aglomeração de uma rede om 5 vérti es e1 triângulo. . . . 20
2.5 Caminho mínimo médio . . . 20
2.6 Grau médio de uma rede . . . 21
2.7 Distribuição de graus de uma rede . . . 22
2.8 Centralidades de proximidade e intermediação . . . 23
2.9 Cál ulo das e iên ias global
E(G)
e lo alE
loc
. . . 252.10 Pro esso de rossover entre dois indivíduos.. . . 31
3.1 Modelo de i lo de vida Quase-Espiral . . . 36
3.2 Estudo dadistribuição de grausda rede neural doC. elegans . . . 47
3.3 Comparação dae iên ia darede neural do C. elegans om uma rede ale-atória, uma rede livrede es ala euma rede de mundo pequeno . . . 48
3.4 Estudodae iên iadaredeneuraldoC. elegans,apósaremoçãoaleatória de arestas . . . 50
3.5 Estudodas e iên ias darede neuraldoC. elegans,apósaremoçãodos hubs 52 3.6 Variação das e iên ias global e lo al de a ordo om a variação da densi-dade, para o estudodo domíniode validadeda e iên ia . . . 56
3.7 Variaçãodase iên ias globalelo alde a ordo omoper entualde remo-ção de arestas,para o estudo dodomíniode validade dae iên ia . . . 57
3.8 Distribuição de frequên ia das anidades entre as empresas do APL da Costa dos Corais/AL . . . 58
3.9 Exemplo de simulaçãoutilizandoo modelo Anity . . . 63
3.10 Exemplo de simulaçãoutilizandoo modelo Centrality . . . 65
3.11 Exemplo de simulaçãoutilizandoo modelo Elite . . . 68
4.1 Estudo das e iên ias da rede formada pelas relações de ooperação / o-laboração doAPL de turismo daCosta dos Corais/AL . . . 74
4.2 Estudo das e iên ias da rede formada pelas relações de ooperação /
o-laboração do APL de turismo da Costa dos Corais/AL, após a remoção
aleatóriade arestas . . . 76
4.3 Estudodas e iên iasdaredeformadapelas relaçõesde ooperaçãoe
ola-boração do APL de turismo daCosta dos Corais/AL, apósa remoção dos
hubs . . . 78
4.4 Comparação das e iên ias das redes geradaspelos modelos Anity,
Cen-trality e Elite . . . 79
4.5 Estudo das e iên ias da rede formada pelas relações de ooperação e
o-laboração do APL de turismo da Costa dos Corais/AL, após a remoção
aleatóriade arestas . . . 81
4.6 Evolução das e iên ias globais e lo ais das redes geradas pelos modelos
Anity, Centrality e Elite . . . 83
4.7 Comparação dae iên ia da rede geradapelo modelo Elite om uma rede
aleatória,uma rede livre de es ala e uma rede de mundo pequeno . . . 84
4.8 Comparaçãodaevoluçãodas e iên ias globale lo aldaredegeradapedo
modelo Elite om uma rede aleatória,uma rede livrede es alae uma rede
de mundo pequeno . . . 86
4.9 Evolução das e iên ias globais e lo ais das redes geradas pelos modelos
Anity, Centrality e Elite . . . 88
4.10 Comparação da e iên ia das redes geradas pelos modelos Anity,
Cen-trality e Elite . . . 90
4.11 Estudo das e iên ias da rede formada pelas relações de ooperação /
o-laboração do APL de turismo da Costa dos Corais/AL, após a remoção
aleatóriade arestas . . . 92
4.12 Evolução das e iên ias globais e lo ais das redes geradas pelos modelos
Anity, Centrality e Elite . . . 94
4.13 Comparação dae iên ia da rede geradapelo modelo Elite om uma rede
aleatória,uma rede livre de es ala e uma rede de mundo pequeno . . . 95
4.14 Comparaçãodaevoluçãodas e iên ias globale lo aldaredegeradapedo
modelo Elite om uma rede aleatória,uma rede livrede es alae uma rede
de mundo pequeno . . . 97
4.15 Comparação da e iên ia das redes geradas pelos modelos Anity,
Cen-trality e Elite . . . 98
4.16 Estudo das e iên ias da rede formada pelas relações de ooperação e
o-laboração do APL de turismo da Costa dos Corais/AL, após a remoção
aleatóriade arestas . . . 100
4.17 Evolução das e iên ias globais e lo ais das redes geradas pelos modelos
Anity, Centrality e Elite . . . 102
4.18 Comparação dae iên ia da rede geradapelo modelo Elite om uma rede
4.19 Comparaçãodaevoluçãodas e iên ias globale lo aldaredegeradapedo
modelo Elite om uma rede aleatória,uma rede livrede es alae uma rede
de mundo pequeno . . . 105
4.20 Comparação da e iên ia das redes geradas pelos modelos Anity,
Cen-trality e Elite . . . 107
4.21 Estudo das e iên ias da rede formada pelas relações de ooperação /
o-laboração do APL de turismo da Costa dos Corais/AL, após a remoção
aleatóriade arestas . . . 109
4.22 Evolução das e iên ias globais e lo ais das redes geradas pelos modelos
Anity, Centrality e Elite . . . 111
4.23 Comparação dae iên ia da rede geradapelo modelo Elite om uma rede
aleatória,uma rede livre de es ala e uma rede de mundo pequeno . . . 112
4.24 Comparaçãodaevoluçãodas e iên ias globale lo aldaredegeradapedo
modelo Elite om uma rede aleatória,uma rede livrede es alae uma rede
de mundo pequeno . . . 114
5.1 Variação das e iên ias global e lo al de a ordo om a variação da
1 Algoritmo para geraçãode grafos aleatórios. . . 13
2 Algoritmo para geraçãografoslivres de es ala . . . 14
3 Algoritmo para geraçãode grafos om topologiamundopequeno . . . 16
4 Algoritmo de Roy-Floyd-Warshall . . . 26
5 Algoritmo de Roy-Floyd-Warshall om su essores . . . 27
6 Algoritmo de aminhada através do aminho mínimo . . . 28
7 Algoritmo de Brandes . . . 29
8 Algoritmo evolutivo . . . 30
9 Algoritmo evolutivo baseado emanidade . . . 136
10 Algoritmo para ál ulodadensidade . . . 137
11 Algoritmo para ál ulodos grausdos vérti es . . . 137
12 Algoritmo para ál ulodadistribuição de graus . . . 138
13 Algoritmo para ál ulodograu médio . . . 139
14 Algoritmo para ál ulodo oe ientede aglomeração . . . 140
15 Algoritmo para ál ulodo oe ientede aglomeraçãomédio . . . 141
16 Algoritmo para multipli açãobooleanade matrizes . . . 141
17 Algoritmo para en ontrar os aminhos mínimosemum grafo . . . 142
18 Algoritmo para ál ulodo aminho mínimomédio . . . 143
19 Algoritmo para ál ulododiâmetro de um grafo . . . 143
20 Algoritmo para ál ulodas e iên iasdos vérti es de um grafo . . . 144
21 Algoritmo para ál ulodae iên ia globalde um grafo . . . 144
22 Algoritmo para ál ulodas e iên iasdos subgrafosde um grafo . . . 145
Introdução
1.1 Formulação do problema
As empresas de diversos segmentos têm omo uma das referen ias em administração e
onsultoria no Brasil o Serviço Brasileiro de Apoio às Mi ro e Pequenas Empresas
(SE-BRAE)e esse temdesenvolvidodiversas te nologiase on eitos,dentre eles ode Arranjo
ProdutivoLo al(APL),queédenido omoaglomeraçõesdeempresaslo alizadasemum
mesmo território, que apresentam espe ialização produtiva e mantém algum vín ulo de
arti ulação,interação, ooperaçãoeaprendizagem entre sie om outrosatores tais omo
governo, asso iações empresariais, instituições de rédito, ensino e pesquisa (SEBRAE,
2005). Por outro lado Mattos (2007), arma que os (APLs), representam papel
funda-mental para o desenvolvimento regional, levando à geração de empregos e elevação da
renda lo al. Assim, garantir a sobrevivên ia das organizações omponentes do APL é
fundamental. Mattos (2007) veri ou a importân ia de tais arranjos, ao estudar o
ar-ranjoprodutivode ores na idadede Mara ás, Bahia. Emseu estudo,aautora veri ou
que a evolução daquele APL levou a idade a um grande desenvolvimento, em apenas
sete anos. De fato, os APLs representam também, um importante papel na difusão do
onhe imento. Segundo Pereira, Freitas e Sampaio (2007) na e onomia baseada no
o-nhe imento e no aprendizado, háa ne essidade de os atores, que parti ipam de arranjos
produtivos lo ais (APLs), arti ularem-se, interagirem e ooperarem entre si, omo uma
formade garantir a sobrevivên ia bem omo promover a inovação e a ompetitividade.
Partindo deste prin ípio,Pereira, Freitas e Sampaio (2007) estudaram as ara terísti as
do APL de onfe ções de Salvador, Bahia, Brasil, utilizando os re ursos da análise de
redes so iais. A partir de dados oletados através de questionários os autores traçaram
astopologias das redes so iais onstituídas pelos uxos de informação e onhe imento,o
que os levou a per eber que a ara terísti a reti ular de tais arranjos, embora fa ilite a
difusão do onhe imento, tambémintroduz fragilidadesno sistema. De fato, observou-se
que a remoção de algumas pou as entidades da rede a tornaria des onexa, fazendo om
queoutros elementosparti ipantes do APL deixassemde serela ionar.
Mas omogarantirqueasempresas, membrosdoAPL,favoreçamasobrevivên iadas
demais, ontribuindo para o aumento de sua ompetitividade, em relação aos (grupos)
on orrentes? É possível responder a esta questão sob vários aspe tos. Por exemplo, do
ponto de vista estratégi o a riação, organização, gestão e difusão do onhe imento são
pro essosquepermitemmelhoraraspráti asorganiza ionaisemprolda ompetitividade.
Por outro lado, do ponto de vista opera ional modelos omputa ionais favore em a
das ara terísti astopológi as de tais arranjospode levar a previsões interessantes sobre
quaisdas empresasque os ompõemapresentam ara terísti asde entralidade(i.e.
pos-suemmaiorprestígiooumaiorimportân ia omointermediáriasnastro asdeinformação)
de modoa favore er a formação de alianças que promovamuma melhora nas interações
e tro a de onhe imentos entre os demais membros do APL, reduzindo a entralidade,
quer dizer, melhor distribuindo o papel dos autores omo intermediários nas tro as de
informaçãoetornando arede mais onexa.
Esta pesquisa estudou as ara terísti as topológi asdos arranjos produtivoslo ais, a
partirdos re ursos forne idospelaAnálisede RedesSo iais, eformulouum modelo
om-puta ionalquepermitesugerir enáriosdaevoluçãode taisredes, desta andoseuspontos
fra osefavore endoàmelhoranasinteraçõesetro asdeinformaçãoe onhe imentoentre
osmembros doAPL.
1.2 Objetivos
Este trabalhoteve por objetivo elaborar um modelo omputa ional que permite sugerir
enários da evolução da topologia de uma rede, om base nos fatores que levam os seus
atoresserela ionarem. Espe i amente: (i) foramanalisadasas ara terísti asdas redes
de ooperação e olaboração formadas pelas empresas de um arranjo produtivo lo al, de
modo a estabele er um modelo omputa ional que permitisse sugerir enários para a
evolução do APL, a m de promover a difusão de onhe imento entre seus membros e
aumentarasua ompetitividade;(ii)foidenidaumametodologiaparaanálisetopológi a
de redes, a partir de duas e iên ias global e lo al; (iii) realizou-se a re onstrução da
rede neuraldo C. elegans, para queesta servisse omo instrumento de omparação, para
validação de nossos experimentos; (iv) foram implementados algoritmos espe í os para
ál ulo das propriedades de redes omplexas, de modo a uniformizar os resultados da
pesquisa.
1.3 Justi ativa
Os Arranjos Produtivos Lo ais representam um papel fundamental para o res imento
e onmi o e so ial de uma região (MATTOS, 2007), entretanto a estrutura reti ular,
onstituída pelas redes de ooperação e olaboração, de tais arranjos, por outro lado,
favore e o surgimentode fragilidades nas interaçõesentre seus omponentes, quando
au-menta o grau de entralidade em torno de um de seus elementos, atribuindo-lhe maior
prestígioouimportân ia,devido ao seu papel omo intermediário nos pro essos de tro a
Assim, estudaras ara terísti asdas redes formadas pelos APLs éfundamental para
promovera sobrevivên ia de seus membros,garantindo a ontinuidade douxo de
infor-mações etro as de onhe imento.
A elaboração de um modelo omputa ional representativo de tais redes ajudará a
prever possíveis falhas nas estruturas dos APLs, aumentando sua robustez e e á ia,
favore endoseudesenvolvimentoepromovendoo res imentoe onmi o,so iale ultural
das regiõesafetadas.
Neste ontexto, justi ou-se este trabalho, dada a ne essidade de implementação de
uma solução omputa ional que permita a previsão das ontingên ias apontadas a ima,
assim omo apresentar enáriosde possíveis soluções.
1.4 Hipóteses
Considerando-seum APL omo um tipode rede so ial,pode-se levantarvárias questões:
Quaisfatores ontribuiriamparaoestabele imentode relaçõesde ooperaçãoe
olabora-çãoentreasempresasde umarranjoprodutivolo al? Quaisas ara terísti astopológi as
das redes de ooperação e olaboração formadas pelas empresas de um APL? A
topolo-gia de tais redes seria estável, ou sofreria variações no pro esso natural de evolução do
arranjo?
Para fundamentar uma dis ussão sobre estas questões, partimos das seguintes
hipó-teses:
1. as redes onstituídas porAPLs evoluemsegundo um padrão previsível;
2. arranjos produtivoslo ais onstituemredes so iais queaoamadure erem tornam-se
redes do tipomundo pequeno.
1.5 Metodologia
Ouniverso destapesquisa onstituiu-sede dados oletados apartirde questionários
apli- ados a 96 empresas identi adas om base em três adastros: do SEBRAE, gestor do
ProgramaAPLCosta dos Corais, daAsso iação doTrade Turísti o de Maragogie
Japa-ratinga (AMAJAH) e do Ministério do Trabalho, assim omo dados obtidos a partir de
Estas empresas foram visitadas no período de 28 de julho de 2010 a 20 de agosto
de 2010, e para a realização da análise da rede so ial do APL foram estruturados 5
gruposde atores(empresas): hotéisepousadas; bareserestaurantes; agên iasde viagem;
lo adoras de veí ulos e re eptivo turísti os. Junto a estes foraminvestigadas as relações
estabele idas, o nível de ooperação existente e a dinâmi a de difusão das informações
nestasredes( ooperaçãodeaprendizagem, ooperaçãode ompra, ooperaçãodedefesade
interesses, ooperaçãodeinformação, ooperaçãodeproduçãoe ooperaçãodepromoção).
Ini ialmenteforam estudadas as relações estabele idas entre as empresas, o nível de
ooperação existente e a dinâmi a de difusão das informações nestas redes, de forma a
identi ar asua topologiae om issorealizarum diagnósti o de sua estrutura e pro esso
evolutivo.
Com base nessa análise, per ebeu-se que as relações estabele idas se davam devido
à existên ia de anidade entre as empresas. Esses atributos de anidade foram
mape-ados e utilizados para onstrução de um modelo omputa ional, baseado em anidade,
representativo das redes de ooperação e olaboraçãode um APL.
A partir databulação dos dados obtidosnafase de oleta de dados, dis utida
anteri-ormente, foram al ulados 1
os parâmetros das redes so iais observadas no APL
(MON-TEIROet al.,2009).
Analisando os resultados obtidos per ebeu-se que as redes do APL, quando
onside-radas omo redes so iais, apresentam ara terísti as que as assemelham a outras redes
so iais já estudadas e dis utidas na literatura. Com base neste fato, riou-se um novo
modeloevolutivobaseado emanidadepararepresentarasrelaçõesde ooperaçãoe
ola-boraçãoexistentes nestetipode rede. Posteriormenteeste modelofoiexpandido demodo
apermitirasimulaçãode outrostiposde redesso iais e omplexas,ondeoprin ipalfator
para o estabele imento de relações seja a anidade. O modelo proposto foi
implemen-tado,na formade um algoritmoe onstituiuma das ferramentasdisponíveis nosoftware
SCNTOOLS.
1
utilizandoum onjuntodeprogramasdesenvolvidosespe ialmenteparaesteestudoeregistradosnoINPIsob
A pesquisa realizadaé des ritaneste do umentonos próximos 4 apítulos. No
Capí-tulo2apresentamos umarevisão daliteraturaqueserviu de base paraodesenvolvimento
deste trabalho e norteou as on lusões a que hegamos sobre as ara terísti as das
es-truturas topológi as dos arranjos produtivos lo ais e do modelo representativo de tais
arranjos. No Capítulo 3 expli amos, emdetalhes, o modelo omputa ionaldesenvolvido
om base nos fatos en ontrados. No Capítulo 4 apresentamos os resultados das
simula-ções realizadas utilizandoo modelo proposto. Por m on luímos este trabalho om um
apítulointituladoCon lusõeseObservações, onde apresentamosnossas on lusõessobre
os resultados obtidos, assim omo nossas ontribuições, a partir da pesquisa realizada e
tambémnossas propostas para futuros trabalhos.
As Figuras1.1 e 1.2apresentam, respe tivamente, o mapa on eitual desta pesquisa
doutoral, desta ando a inter-relação entre os on eitos estudados e desenvolvidos, e os
prin ipaisautorespesquisados, segundo a sua ontribuiçãopara este trabalho.
Difus˜
ao do
Conhecimento
Pesquisa
Te´
orica
Teoria dos
Grafos
Redes
Complexas
Redes
Aleat´
orias
Redes
Livres de
Escala
Redes de
Mundo
Pequeno
Proprieda-des das
Redes
Redes
Sociais
Algoritmos
Evolutivos
Jogos N˜
ao-cooperativos
Pesquisa
de Campo
Arranjos
Produtivos
Locais
APL de
Turismo
da Costa
dos
Corais/AL
Entre-vistas
Question´
a-rios
Base
de
Dados
Modelo de
Estado de
Topologia
de Redes
Ferramentas
Computa-cionais
Algoritmo
Evo-lutivo
Baseado
em
Afinidade
Simula¸
c˜
ao
Computa-cional
Resultados
M´
etodos
Identifi-ca¸
c˜
ao da
Topolo-gia de
uma
Rede
Previs˜
ao
da
Evolu¸
c˜
ao
de Redes
de
Afinidade
APL Mais
Robusto
Redes de Afinidade
Teoria dos
Grafos
Euler
(1741)
Bondy
e Murty
(1976)
Joyner,
Nguyen
e Cohen
(2011)
Redes
Complexas
Redes
Aleat´
orias
Erd¨
os e
R´
enyi
(1959)
Redes de
Mundo
Pequeno
Watts e
Strogatz
(1998)
Redes
Livres de
Escala
Barab´
asi
e Albert
(1999)
Proprieda-des das
Redes
Johnson
(1977)
Freeman
(1979)
Watts
(1999)
Latora
e
Mar-chiori
(2001)
Brandes
(2008)
Millington
(2009)
Newman
(2010)
Jogos
Cooperativos
Neumann
e
Mor-genstern
(1944)
Jogos N˜
ao-cooperativos
Nash
(1951)
Algoritmos
Evolutivos
Darwin
(1859)
Bak e
Sneppen
(1993)
Reznick e
Ricklefs
(2009)
Moret et
al. (2011)
Arranjos
Produtivos
Locais
SEBRAE
(2005)
Mattos
(2007)
Pereira,
Freitas e
Sampaio
(2007)
Revisão da Literatura
Neste apítulo serão apresentados os fundamentos teóri os que nortearam esta pesquisa.
Ini ialmente, dissertaremos sobre a teoria dos grafos, a base matemáti a da Análise de
Redes So iais (ARS), metodologia utilizadapara realização deste trabalho. Em seguida
falaremossobre redes omplexas,tipos de redes, propriedades, topologiase métri as
uti-lizadas para a análise de redes. Dando ontinuidade, trataremos dos algoritmos mais
difundidos para ál ulo de aminhos mínimos, entralidade de intermediação e
algorit-mos evolutivos, ferramentas utilizadas no desenvolvimento da solução omputa ionaldo
problema entraldesta pesquisa,apresentada no apítuloseguinte, assim omosuas
om-plexidadesalgorítmi as. Porm, faremos uma introduçãoaos arranjosprodutivoslo ais,
objeto desta pesquisa doutoral.
2.1 Grafos
A teoria dos grafos teve iní io om a solução proposta por Leonhard Euler (1707-1783)
paraum quebra- abeças popularna idadede Königsberg,atualmenteKaliningrad,
Rús-sia. Königsberg é ortada pelo rio Prególia, onde existem duas grandes ilhas. Estas,
formam um omplexoque naépo a ontinha sete pontes. A Figura 2.1representa a
to-pograa do tre ho do rioonde se en ontravam as aquelas pontes, na épo a de Euler. O
problema onsistia em determinar se seria possível ruzar todas as sete pontes em uma
úni a jornada, sem passar mais de uma vez por ada uma delas. Euler provou que isso
eraimpossível. Para tanto,ele riouosfundamentosdoquehojese onhe e omoateoria
dos grafos (EULER, 1741).
2.1.1 Denição de grafo
Umgrafo
G = (V, E)
é um par ordenado de onjuntos nitosV
eE
. Onde, oselementos do onjuntoV
são hamados vérti es eoselementosdo onjuntoE
são hamadosarestas ouar os. Quando uma arestae = (u, v) = (v, u) ∈ E
diz-se que ografoG
énão dirigido. Caso ontrário,ografoéditodirigido. Quandoografoédirigido,E
representao onjunto de ar os do grafo, enquanto, quando o grafo é não-dirigido,E
representa o onjunto de arestasdeG
. (JOYNER; NGUYEN; COHEN, 2011)As Figuras2.2(a) e2.2(b) representam, respe tivamente, um grafonão dirigidoe um
grafodirigido. Ossub onjuntos
V = (v1, v2, v3, v4, v5)
eE = (
−−→
v1v2,
−−→
v1v3,
−−→
v2v3,
−−→
v3v4,
−−→
v3v5)
, representam, respe tivamente, osvérti eseosar osdografodaFigura2.2(b)(JOYNER;NGUYEN; COHEN, 2011). Dizemos
H
é um subgrafo deG
, se e somente se,H ⊆
G, V (H) ⊆ V (G), E(H) ⊆ E(G) e H 6= G
(BONDY; MURTY, 1976). O onjuntoH = ({v1, v2, v3}, {
−−→
v1v2,
−−→
v1v3,
−−→
v2v3})
,emdestaquenaFigura2.2(a),representaum sub-grafodeG
.(a)Exemplodegrafonãodirigido. (b)Exemplodegrafodirigido.
Figura2.2: Exemplos de grafos. Fonte: Autor.
Neste trabalho,asredes,sejamelasreaisouarti iais,foramrepresentadasutilizando
estadenição de grafo,e omputa ionalmentearmazenadase pro essadas omomatrizes
2.1.2 Matriz de adja ên ia
Podemos representar um grafo utilizando uma matriz de adja ên ia. Seja
G
um grafo não-dirigido, om vérti esV = (v1, v2, v3, ...)
e arestasE = (e1, e2, e3, ...)
. A matriz de adja ên iaA
n×n
= [a
ij
]
deG
édenida omoa
ij
=
1
sev
i
, v
j
∈ E,
0
aso ontrário.
Como
G
éumgrafonão-dirigido,amatrizA
ésimétri aeamatriztranspostaA
T
= A
.
(JOYNER;NGUYEN;COHEN, 2011)A Figura2.3(a)representaa matrizdeadja ên ia
dografoapresentado na Figura2.3(b).
(a) Exemplo de grafo não dirigido
om5vérti ese5arestas. v1 v2 v3 v4 v5 v1 0 1 1 0 0 v2 1 0 1 0 0 v3 1 1 0 1 1 v4 0 0 1 0 0 v5 0 0 1 0 0
(b) Matriz de adja ên ia para a
grafoapresentadanaFigura2.3(a).
Figura 2.3: Umgrafo om in ovérti es e in oarestas. Fonte: Autor.
Matrizes de adja ên ia representam uma forma onveniente para solução
omputa- ionalde problemas envolvendo grafos, poisproblemas aparentemente omplexospodem
ser resolvidos de forma e iente utilizando elementos da álgebra linear. Por exemplo,
podemos des obrir o número de aminhos mínimosmédios de omprimento2, entre dois
vérti es de um grafo, efetuando-se a potên ia de 2 da matriz de adja ên ia do grafo em
estudo. As élulas da matriz resultante onterão os números de aminhos mínimos
mé-dios, de omprimento 2, entre os pares de vérti e dografo. O mesmo ra io ínioé valido
para des obrir onúmerode aminhos mínimosmédios de omprimento3,4 et .
Todos os algoritmos desenvolvidos para este estudo armazenaram e pro essaram as
2.1.3 Distân ias geodési as
Umproblema omum,naanálisedegrafoséadeterminaçãodasdistân iasentreosvérti es
deum grafo. Umaformade seresolvereste problemaé atravésdofe hamentotransitivo.
(TENEMBAUM, 1995)
Conside as matrizes de adja ên ia
A
n×n
= [a
ik
]
eB
n×n
= [b
kj
]
. Dene-se produto booleano,A ⊗ B
omoC
ij
=
_
1≤k≤n
(a
ik
∧ b
kj
),
(2.1) ondeW
1≤k≤n
indi a aoperaçãológi a ou repetida su essivas vezes, om osvaloresdek
variando de1
atén
, omn
orrespondendo ao númerode vérti es do grafo.A matriz
P
n×n
= [p
ij
] =
^
1≤n
(a
ik
⊗ a
kj
),
(2.2) ondeV
1≤n
indi aaoperaçãológi a e repetida su essivasvezes, omos valoresdei
,j
ek
,variandode1
atén
,é hamadafe hamentotransitivodeA
eindi aseháum aminho mínimo(distân ia geodési a)de omprimenton
entre os vérti esi
ej
. Sendo quep
ij
=
1
se háum aminho mínimode omprimenton entre i e j,
0
aso ontrário.
O algoritmo 16, apresentado no apêndi e B, apresenta uma implementação omum
para oproduto booleanode matrizes. Este método, embora sejade fá ilimplementação,
não é e iente quando se trabalha om grafosgrandes, para tanto utiliza-se o algoritmo
de Roy-Floyd-Warshall apresentado na Seção 2.3 deste apítulo. Para este trabalho,
ontudo, devido aos re ursos, para álgebra matri ial, apresentados pela linguagem de
programação GuaráS ript, utilizada para onstrução dos programas que desenvolvemos,
optamosporutilizarométododoprodutobooleanode matrizes, eapli amosoalgoritmo
de Roy-Floyd-Warshallsomente para validaçãodos resultados obtidos.
de omprimento
n
entre dois vérti es de um grafo. Para sabermos quantos aminhos de omprimenton
existem entre dois vérti esquaisquer de um grafoA
, al ula-se an-ésima potên iadeA
, asaber,A
n
.
O ál ulo das distân ias geodési as tem diversas apli ações na análise de redes
om-plexas. Isoladamente, esta propriedade permite determinar o quão próximos estão os
atores narede. Por outro lado, esta propriedade é fundamentalpara o ál ulode outros
atributos de rede, tais omo, entralidade de proximidade e intermediação, assim omo
ase iên ias global elo al.
2.2 Redes omplexas
Segundo Barabási e Albert (2002), as redes omplexas des revem um grande número
de sistemas presentes na natureza e na so iedade. Alguns exemplos são: os sistemas
elulares; as redes formadas por reações quími as, tais omo as redes neurais; as redes
de roteadores e omputadores, one tados à Internet;as redes de transmissão de energia
elétri ae asredes de amizades, omo aspresentes noOrkute Fa ebook. Estas estruturas
podem ser analisadas sob diferentes pontos de vistae essa variedade de possibilidadesde
análise, leva a um igualmente vasto número de possíveis resultados. O estudo das redes
omplexasremontaa1736, omapropostadeEuleraoproblemadaspontesdeKonigsberg
e o surgimento da teoria dos grafos. Este estudo ou mais ou menos parado até 1930,
quando Moreno propõe uma so iometria para as redes so iais. Em 1960 Erdös e Rényi
apresentam seu modelo de grafos aleatórios e Milgram (1967) demonstra quão pequeno
é o mundo através de seu estudo sobre small-worlds. Este modelo foi mais tarde, em
1998,formalizadoporWatts eStrogatz (1998). Em1999Barabási eAlbert formalizaram
o modelo para redes livres de es ala e, a partir do iní io dos anos 2000, o estudo das
redes omplexas al ançou prati amente todos os ampos da iên ia, indo, por exemplo,
das áreas so iais às iên iasexatas e biológi as.
Nesta pesquisa de doutorado, utilizaremosdiversas expressões emedidas apli áveisà
análise de redes so iais e omplexas. Newman (2003) desta a os seguintes termos omo
osmais utilizadosem análisede redes:
•
vérti e -unidade fundamentalde umarede (também hamadode nóouator);•
onexão - uma linha que one ta dois vérti es. A onexão pode ser dirigida ou não-dirigida. Uma onexão é dita dirigida quando se dá em apenas uma direção.Quando a onexão se dáem ambas asdireçõeselaé dita não-dirigida;
de uma rede é dirigido, existe um grau de entrada, in-degree, e um grau de saída,
out-degree;
•
omponente - um omponente é o onjunto de vérti es que podem atingir e serem atingidos por um dado vérti e. Quando o grafo é dirigido, seus vérti es têm umomponentede entrada, in- omponent,eum omponente de saída, out- omponent;
•
aminhogeodési o - é omenor aminhoentre um par de vérti es de uma rede;•
diâmetro - é omaior aminhogeodési o entre dois vérti es de uma rede.2.2.1 Tipos de redes
Segundo Newman (2003), as redes podem ser lassi adas em redes so iais, redes de
informação, redes de te nologia e redes biológi as. Uma rede so ial é um onjunto de
indivíduosou gruposde indivíduos(tais omo organizações) que apresentam algum tipo
de interação ou tro a de informações entre eles. De a ordo om Barabasi et al. (2002),
um exemplode redes so iais são as redes de amizades. Exemplos de redes de informação
são as formada pelas itações em artigos a adêmi os. Redes de te nologia são aquelas
onstruídas pelo homem, tais omo as redes de energia elétri as, telefonia e mesmo a
infra-estrutura da Internet. Exemplos de redes biológi as são as adeias alimentares,
redesneurais, as redes formadasa partir de reações metabóli as et .
Nesta pesquisa estudamos redes so iais, biológi ase arti iais.
2.2.2 Transitividade
Segundo Newman (2003), a transitividade é a probabilidade de dois vérti e vizinhos de
um outro vérti e em uma rede, serem também vizinhos um do outro. Assim, se um
vérti e A está one tado a um vérti e B e o vérti e B está one tado a um vérti e C,
existe uma probabilidade elevada de que A também esteja one tado ao vérti e C, ou
omodizoautor: oamigodemeu amigoémeu amigo". Podemosmediratransitividade
de uma rede através do seu oe iente de aglomeração médio. A medida do oe iente
de aglomeração e seu signi ado édis utida mais adiante, na sessão sobre métri as para
2.2.3 Topologias de rede
Podemos lassi ar atopologiade umarede omoaleatória,livredees ala oumundo
pe-queno. Nestapesquisa,aidenti açãodastopologiasdasredesestudadasfoifundamental
para que pudéssemos implementar um modelo omputa ional apaz de simulá-las. Nas
sub-seçõesseguintes, apresentamos as ara terísti as de ada umas destas topologias.
2.2.3.1 Redes aleatórias
OmodeloderedesaleatóriasfoidesenvolvidoporErdöseRényi(1959). Nestemodelo,um
número
n
de vérti es éaleatoriamente one tado,segundo umaprobabilidadede onexãop
,demodoaseestabele erumnúmeroM
dearestasentreeles. Comoresultado,obtém-se um grafo, uja distribuição de graus tende a uma urva de Poisson quandon → ∞
. O númeromédiode onexõesédado por< k >= p · (n − 1)
epara o aso parti ularemquen ≫ k· < k >
tem-sez =< k >= p · n
eP (k) ∼
=
z
k
k!
· e
−z
. A seguir, é apresentado um
método, des ritoporVladimir Batagelj (autor do software Pajek) para geração de redes
aleatórias(BATAGELJ; BRANDES, 2005):
Algoritmo 1 Algoritmoparageração degrafos aleatórios
Entrada:
n
←
número de vérti es dografo,m
←
número dearestas, onde0 ≤ m ≤
n
2
.
Saida:
G
← ({0, ..., n − 1}, E) ∈ g(n, m)
, ondeE
é o onjunto de arestasdo grafo. 1: {Ini ializa o onjunto de arestas}2:
E
← ∅
3: parai
← 0, ..., n − 1
fa a 4: repita 5:draw r
∈ {0, ...,
n
2
− 1}
6: atee
r
∋ E
7:E
← E ∪ e
r
8: m para2.2.3.2 Redes livres de es ala
Dea ordo om Barabási eAlbert (1999),redes livresde es ala são aquelas onde a
distri-buiçãode graus segue uma lei de potên ia. Exemplos de redes livres de es ala são redes
de itações ientí as e páginas da Internet. Realizando-se um ajuste linear na
distri-buição de graus deste tipo de rede observa-se que a urva exibida no grá o
log × log
, obtido a partir dos valores en ontrados, ajusta-se a uma reta. Este fato é ara terísti ode fenmenos que seguem leis de potên ia. Redes livres de es ala são resistentes a
ata-quesaleatórios,porémsãovulneráveisaataques oordenados. BatageljeBrandes(2005),
Algoritmo 2 Algoritmoparageração grafoslivresde es ala
Entrada:
n
←
número de vérti es dografo,d
←
grau mínimo, omd
≥ 1
.Saida: Grafo livre de es ala
G
← ({0, ..., n − 1}, E) ∈ g(n, m)
, ondeE
é o onjunto de arestas do grafo.1: {Criao vetor auxiliar}
2: Criao vetor
M
omdimensão2 · n · d
3: parav
← 0, ..., n − 1
fa a4: para
i
← 0, ..., d − 1
fa a 5:M
[2 · (v · d + i)] ← v
6:
draw r
∈ {0, ..., 2 · (v · d + i)}
, omr
uniformimente aleatório 7:M
[2 · (v · d + i) + 1] ← M [r]
8: mpara 9: m para 10:E
← ∅
11: parai
← 0, ..., n · d − 1
fa a 12:E
← E ∪ {M [2 · i], M [2 · i + 1]}
13: m para2.2.3.3 Redes de mundo pequeno
Dea ordo omWattseStrogatz(1998),asredesdemundopequenosãoaquelasemquehá
umatendên iaàtransitividade. Baseadonestefato,Watts(1999)propsummétodopara
determinarseuma rede possui topologiade mundo pequeno: ompara-seo oe ientede
aglomeração médio e o aminho mínimo médio do grafo om os valores orrespondentes
deumgrafoaleatórioequivalente(mesmonúmerode vérti esegraumédio). Caso ografo
apresenteum oe ientede aglomeraçãomédiomuitomaiorqueodografoaleatórioeum
aminho mínimo médio muito menor onsidera-se que o grafo apresenta uma topologia
demundopequeno. Contudo,este métodoexigeque aredeseja esparsae one tada,não
permitindosua apli açãoem outros asos.
Em um experimento famoso realizadopor Milgram (1967) foi soli itado a um grupo
de pessoas que entregassem uma arta a um destinatário. Caso a pessoa não onhe esse
o destinatário, ela deveria repassá-la a outra pessoa onhe ida que pudesse onhe er o
destinatário. Embora a maioria das artas tenhase perdido, um quarto delas hegou ao
destinatário passando por apenas seis pessoas, emmédia. Este experimento deu origem
ao on eito de seis graus de separação.
SegundoNewman,BarabásieWatts(2006)adistribuiçãode grausde redesdemundo
pequeno segue aforma de uma distribuição binomial.
A exemplo das redes aleatórias elivresde es ala, Batagelje Brandes (2005)também
sugeremummétodoe ientepara onstruçãoderedesarti iaisde mundopequeno. Este
Algoritmo 3 Algoritmoparageração degrafos omtopologia mundo pequeno
Entrada:
n
←
número de vérti es do grafo,d
←
grau, om1 ≤ d ≤ (
n−1
2
)
,p
←
probabilidade de re onexãode arestas, om0 ≤ p < 1
.Saida: Grafo aleatório
G
← ({0, ..., n − 1}, E) ∈ g(n, m)
, ondeE
é o onjunto de arestas do grafo.1: {Ini ializa o onjunto de arestas}
2:
E
← ∅
3:
draw r
∈ [0, 1)
, omr
uniformimentealeatório 4:k
← (
log(1−r)
log(1−p)
)
5:m
← 0
6: parav
← 0, ..., n − 1
fa a 7: parai
← 0, ..., d
fa a 8: sek >
0
entao 9:j
←
v·(v−1)
2
+ (v + i mod n)
10:E
← E ∪ {e
j
}
11:k
← k − 1; m ← m + 1
12: see
m
∋ E
entao 13:replace[e
j
] ← m
14: se nao 15:replace[e
j
] ← replace[e
m
]
16: mse 17: se nao18:
draw r
∈ [0, 1)
, omr
uniformimentealeatório19:
k
← (
log(1−r)
log(1−p)
)
20: m se 21: mpara 22: m para 23: parai
← m + 1, ..., n · d
fa a 24:draw r
∈ {0, ...,
n
2
}
, omr
uniformimente aleatório 25: see
r
∋ E
entao 26:E
← E ∪ {e
r
}
27: se nao 28:E
← E ∪ {e
replace[e
r
]
}
29: mse 30: see
i
∋ E
entao 31:replace[e
r
] ← i
32: se nao 33:replace[e
r
] ← replace[e
i
]
34: mse 35: m para2.2.4 Métri as para análise de redes omplexas
No pro esso de análise de uma rede omplexa, seja ela so ial, biológi a ou te nológi a,
faz-sene essário utilizaralgumaformade omparaçãoentre aredeanalisadaeoutrarede
de mesmo tipo onhe ida. Para que esta omparação seja possível é pre iso ara terizar
aspropriedades darede, quanti ando-as de algumaforma. Neste pro esso de
ara teri-zação das redes, algumas medidassão utilizadas: densidade, oe iente de aglomeração,
aminhomínimomédio, distribuiçãode graus, entralidade ee iên ia.
2.2.4.1 Densidade
Adensidadeéarazãoentre onúmerodearestas/rela ionamentosexistentesemumarede
eonúmerodearestas/rela ionamentospossíveisemumarede. Ouseja,adensidadenos
permite omparar a quantidade de onexões existentes em uma rede, om a quantidade
de onexõespossíveisde seremrealizadas. Emumarede totalmente one tada (i.e. todos
os vérti es estão mutualmente one tados) a densidade é igual a 1. Enquanto em uma
rede totalmentedes one tada a densidade será igual a zero.
Assim, emuma rede não dirigida,a densidade é dada por
∆ =
2 · m
n · (n − 1)
,
(2.3)onde
m
é onúmero de arestas existentes en
onúmero de vérti es existentes narede. Enquanto emuma rede dirigida,esta medida é dada por∆ =
m
n · (n − 1)
.
(2.4)Esta medidanos indi aquão one tadaestá arede (NEWMAN,2010). Porexemplo:
tomandopor base a rede apresentada na Figura 2.3(a), a densidade será dada por
∆ =
2·5
5·(5−1)
= 0, 5
. Outra forma de se al ular a densidade onsiste em ontar o número de one ções existentes na triangularsuperior da matrizde adja ên iadarede e dividirporn · (n − 1)/2
,no asode redesnãodirigidas. Para o asoderedesdirigidas,deve-se dividir aquantidade de onexões porn · (n − 1)
. A matriz de adja ên ia apresentada naFigura 2.3(b) representa as arestas da rede da Figura 2.3(a). Neste aso a densidade será dadapor
∆ =
5
A análisedas densidadesdas redesestudasnestapesquisa,nos permitiudeterminaro
per entual de relações de ooperação e olaboraçãoentre as empresas membros do APL
edeterminarseistoestariao orrendodaformamais satisfatória,nosentido de promover
2.2.4.2 Coe iente de aglomeração
O oe iente de aglomeração forne e a probabilidade de um vérti e A one tado a um
vérti e B, estar também one tadoa um vérti e Cvizinho de B.
De a ordo om Newman (2003), o oe iente de aglomeração de uma rede pode ser
al ulado apartir daexpressão
C =
6 · (n´
umero de triˆangulos da rede)
n´
umero de caminhos de comprimento 2
.
(2.5)Nesta fórmula, o
n´
umero de caminhos de comprimento 2
, orrespondeaonúmerode amigosde amigosque um vérti e possui.Outra forma de se al ular o oe iente de aglomeração e pelo métodoproposto por
Watts e Strogatz (1998). Esta fórmulaé dada por
C =
1
n
·
n
X
i=1
C
i
,
(2.6)onde
n
orresponde aonúmerode vérti es daredeeC
i
éo oe ientede aglomeração dovérti ei
, dado porC
i
=
n´
umero de pares de vizinhos conectados
1
2
· k
i
· (k
i
− 1)
,
(2.7)onde
k
orresponde ao grau do vérti ei
. As Figura 2.4(a) e 2.4(b) demonstram o ál ulodo oe iente de aglomeraçãode uma rede om 5vérti ese apenas um triângulo.Neste trabalho, o oe iente de aglomeração será al ulado utilizando-se método de
Watts e Strogatz (1998), doravante denominada
C
W S
, eserá utilizadopara determinar a probabilidadede novas par erias entre as empresas o orrerem, a partir de par erias quejátenhamsidorealizadas em momentos anteriores. Nóstambémutilizaremoseste índi e,
para tentar determinar a topologia das redes estudas, segundo o método expli ado no
(a)Umarede omapenasum triân-gulo. Vérti e
C
i
v1 1 v2 1 v31
6
v4 0 v5 0 MédiaC
W S
=
1
6
· (1 + 1 +
1
6
) =
13
30
∼
= 0, 37500
(b)Coe ientedeaglomeraçãodaredeapresentadanaFigura
2.4(a).
Figura2.4: Coe iente de aglomeração deumarede om5 vérti ese 1triângulo. Fonte: Autor.
2.2.4.3 Caminho mínimo médio
O aminhomínimomédioindi aamenordistân iaaseper orrerparaseatingirqualquer
vérti e darede. Esta medidaé dada pelamédia das geodési as darede e éindi ada por
L =
1
n · (n − 1)
·
X
v
i
6=v
j
d(v
i
, v
j
),
(2.8)onde
d(v
i
, v
j
)
orrespondeao aminhomínimoentreovérti ev
i
eovérti ev
j
(NEWMAN, 2003).(a)Caminhomínimoentredois
vér-ti edeumarede.
v1 v2 v3 v4 v5 v1 0 1 1 2 2 v2 1 0 1 2 2 v3 1 1 0 1 1 v4 2 2 1 0 2 v5 2 2 1 2 0
(b)Caminhosmínimosentreos
vér-ti esdaredeapresentadanaFigura
2.5(a).
Figura2.5: Caminho mínimomédio. Fonte: Autor.
As Figuras 2.5(a) e 2.5(b) apresentam, respe tivamente, uma rede de diâmetro 2 e
a matriz de aminhos mínimos entre os vérti es desta rede. Obtém-se o aminho
mí-nimo médio desta rede al ulando-se a média dos aminhos apresentados na matriz de
distân ias:
L =
1
5·(5−1)
·
P
v
i
6=v
j
d(v
i
, v
j
) = 1, 2
.Estapropriedadepermite ara terizaratopologiadeumarede,utilizando-seométodo
proposto porWatts (1999).
2.2.4.4 Grau médio
O grau médio
< k >
orresponde à média dos graus dos vérti es de uma rede e é dado por< k >=
P
n
i=1
k
i
n
,
(2.9)onde
n
éonúmerode vérti esnaredeek
i
ograudovérti ei
. AFigura2.6(b)mostra omo al ular ograu médio darede daFigura2.6(a).(a)Osvérti es v1,v2ev3
apresen-tamosmaioresgrausdarede,a
sa-ber
k
v1
= k
v2
= 2
ek
v3
= 4
. Vérti e Grau (k) v1 2 v2 2 v3 4 v4 1 v5 1< k >
P
n
i=1
k
i
n
∼
= 2, 33333
(b)Graus dos vérti es darede
apre-sentadanaFigura2.6(a).
Figura2.6: Graumédio de umarede. Fonte: Autor.
O onhe imentodovalordograumédiodasredesestudadas,nos permitirá riarredes
2.2.4.5 Distribuição de graus
A distribuição de graus é um histograma dos graus dos vérti es da rede. Esta medida
indi aa quantidade de vérti es que apresentam um dado grau na rede. Porexemplo, na
Figura2.7(a)
40%
dosvérti espossuemgrau1
,40%
possuemgrau2
e20%
possuemgrau4
(NEWMAN, 2003).(a)Umgrafonãodirigido om5
vér-ti ese5arestas.
0
10
20
30
40
50
2
4
1
Frequência (%)
k
(b)DistribuiçãodegrausdografodaFigura2.2(a).
Figura2.7: Distribuição de grausde umarede. Fonte: Autor.
Em alguns asos, a distribuição de graus permitedeterminar a topologia darede em
estudo: redes aleatóriasapresentam distribuiçõesde graus que seguem a distribuição de
Poisson; redesde mundo pequeno seguemadistribuiçãobinomial eredes livresde es ala
apresentam distribuiçõesde grauslivresde es ala. Neste trabalhoutilizamosini ialmente
este método. Contudo, as ara terísti as das redes pesquisadas não nos permitiu tirar
on lusõessobre sua topologia, utilizandoesta metodologia.
2.2.4.6 Centralidade
De a ordo om Freeman (1979), as medidas de entralidade indi am a importân ia de
um vérti e, ou ator, em relação aos demais atores da rede. São três as medidas de
entralidademaisutilizadasemanálisederedesso iais: entralidadedegrau, entralidade
de intermediação e entralidadede proximidade.
A entralidade de grau orresponde aograude um vérti ee desta asua importân ia,
baseado naquantidade de vérti es om osquais este mantém onexão.
A entralidade de proximidade, determina a importân iade um ator,baseando-se no
quão próximo este ator en ontra-se dos demais atores da rede. Este índi e é obtido a
C
C
(v) =
1
P
t∈V
d
G
(v, t)
,
(2.10)onde
d
G
(v, t)
orresponde à distân ia dovérti ev
a um vérti e qualquert
. Ou seja: a entralidade de proximidade de um ator é o inverso do somatóriodas distân ias desteator atodos osdemais atores darede (FREEMAN, 1979).
A entralidade de intermediação indi a a importân ia de um ator, baseado no seu
papeldeintermediárionas omuni açõesentre outrosatores. Assim, quantomaisumator
parti ipadasgeodési asentreatoresdarede,maiorasua importân ia omointermediário
nestasligações. A entralidadede intermediaçãoé dada por:
C
B
(v) =
X
s6=v6=t∈V
σ
st
(v)
σ
st
,
(2.11)onde
σ
st
é o número de geodési as one tando dois vérti ess
et
, enquantoσ
st
(v)
é o número destas geodési as que ontém o vérti ev
omo intermediário. A fórmula representa a probabilidade de um vérti ev
ser intermediário entre os atoress
et
. As-sim, a entralidade de intermediação é o somatório das probabilidades deste vérti e serintermediárioentre quaisquer dois vérti esda rede. (FREEMAN, 1977)
A Figura 2.8(b) apresenta as entralidades de proximidade e intermediação da rede
representada naFigura2.8(a).
(a) O vérti e v3 apresenta as
mai-ores entralidadesdeproximidadee
intermediaçãodarede. Vérti e
C
C
C
B
v1 0,166667 0,000000 v2 0,166667 0,000000 v3 0,250000 5,000000 v4 0,142857 0,000000 v5 0,142857 0,000000(b) Centralidades dos vérti es da rede
apresentadanaFigura2.8(a).
Figura2.8: Centralidades de proximidade e intermediação. Fonte: Autor.
Nesta pesquisa ovalordas entralidades foramutilizadospara determinaçãodas
em-presas mais importantes e inuentes e para elaboração dos modelos omputa ionais