, e o ngulo inicial
4
.
Figura 2 Geometria de uma imagem dividida em 2 2 pixels com ngulos
3 5
, ,
4 4 4
e
7
4
.
Seja x
j
a dose ao longo do i-simo sub-raio de ngulo a com j = (a-1) + i i = 1,...,;
a = 1,...,t e considere d
(p,j)
a distncia entre o sub-raio x
j
e pixel de imagem p. Definimos
A
(p,,j)
como o produto de
( , ) p j
d
e
e a rea geomtrica comum a ambos o sub-raio x
j
e o
pixel p. O fator
( , ) p j
d
e
mede atenuao da radiao sobre o tecido, e os valores deste
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
4 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
coeficiente de atenuao (
) dependem da energia do raio. O coeficiente de atenuao
define a caracterstica do tecido com relao a sua densidade. Podemos tomar como exemplo
de atenuao uma chapa Raio-X de um tecido humano. Quanto menor a densidade do tecido
menor o coeficiente de atenuao, portanto queimar mais o filme e conseqentemente este
ficar mais escuro; quanto maior a densidade do tecido maior o coeficiente de atenuao,
portanto queimar menos o filme ficando mais claro, em geral representando tecido sseo.
Os elementos A
(p,j)
formam a matriz de propagao, denotada por A, cujas linhas so
indexadas por p e colunas so indexadas por j (a,i). Assim, a dose de radiao no pixel p
dada pelo p-simo componente de Ax.
Por exemplo, na Figura 2 o raio pontilhado correspondente a x
2
atinge a metade do pixel 3 e
a distncia deste pixel a este sub-raio
3 2
2
(supondo que cada pixel tenha a mesma
largura). Conseqentemente,
3 2
2 1
(3,2) 2
A e
= . Considerando o coeficiente de atenuao
nulo (=0), quando no existe perda de energia na propagao do raio, a radiao total sobre
o pixel 3 da Figura 2 dada pela relao:
1 1 1 1 1 1 1 1
2 3 7 8 10 11 13 14 2 2 2 2 2 2 2 2
x x x x x x x x + + + + + + +
Logo, a matriz de propagao sem atenuao do exemplo dada por:
1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2
1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2
1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2
1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
(
(
(
(
(
(
.
Embora a matriz de propagao permita modelar facilmente os limites superiores e inferiores
da radiao para algum pixel de imagem, elaborar um plano de tratamento no uma tarefa
trivial. Por exemplo, um plano de tratamento pode prescrever que o tumor no receba menos
do que 80 Gy, onde Gy a dose absorvida, usualmente medida em Joules por quilograma
(J/kg), tambm denominada Gray (Gy): 1Gy = 1 J/kg. Por outro lado, o plano de tratamento
pode no permitir que alguma estrutura crtica receba mais do que 40 Gy.
A maioria das pesquisas tem utilizado modelos de otimizao com restries lineares, com
uma das duas funes objetivos mais evidente, maximizao da dose no tumor ou
minimizao da dose na estrutura crtica. Uma vez que esta maximizao leva geralmente a
altas doses, outros trabalhos buscam maximizar a dose mnima do tumor ou minimizar a dose
mxima da estrutura crtica [6].
As metas listadas abaixo indicam que este problema tem uma grande quantidade de
parmetros a considerar na deciso do que seria desejvel para um plano de tratamento:
Transmitir uma dose uniformemente letal na regio do tumor.
Transmitir uma radiao to pequena quanto possvel na estrutura crtica.
Obter uma dose total to pequena quanto possvel.
Reduzir a freqncia de doses altas fora da regio do tumor.
Controlar o nmero de raios utilizados no plano de tratamento.
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 5
O objetivo mais comum adotado na prtica consiste em transmitir a maior radiao possvel
no tumor [14]. Existem duas razes para evitar este objetivo: clulas doentes esto
geralmente distribudas entre tecidos saudveis e o corpo humano tem dificuldade na
eliminao de um volume grande de tecido morto como o produzido por altas doses de
radiao. Portanto, uma dose letal uniformemente distribuda na regio do tumor crucial
para o sucesso do plano de tratamento, pois, uma dose inferior permite que a clula
cancerosa sobreviva enquanto uma dose superior pode ter efeitos altamente indesejveis nos
tecidos vizinhos.
Vamos considerar, que uma regio do corpo humano seja representado por uma rede de
pixels, onde cada pixel representar parte do tecido saudvel ou do tumor em um rgo
doente. Seja, m
t
o nmero de pixels do tumor, m
c
o nmero de pixels da estrutura crtica e m
g
o nmero de pixels restantes (tecido saudvel), m = m
g
+ m
t
+ m
c
. Finalmente n, representa o
nmero de sub-raios que atinge o volume do alvo. A prescrio definida por quatro limites:
u
t
: representa o vetor de limite superior para radiao no tumor (
t
m
t
u );
l
t
: representa o vetor de limite inferior para radiao no tumor (
t
m
t
l );
u
c
: representa o vetor de limite superior para radiao na estrutura crtica (
c
m
c
u );
u
g
: representa o vetor de limite superior para radiao no restante de tecido saudvel
(
g
m
g
u ).
Fazemos as suposies bvias que 0 ,
t t
l u < 0
c
u e 0
g
u . Se uma dose letal uniforme
transmitida ao tumor, o limite superior e inferior para os pixels do tumor so obtidos atravs
das metas estabelecidas. Supondo que as metas estabelecidas para uma clula cancerosa
sejam t
g
. Os valores de
i
t
u e
i
t
l so geralmente (1 )
g
t + e (1 )
g
t , respectivamente, onde,
a porcentagem da variao para a dosagem do tumor e denominado nvel de
uniformidade do tumor. Valores tpicos de encontrados na literatura vo de 0.02 0.15 [4].
O vetor u
g
representa a maior quantidade de radiao permitida para algum pixel (saudvel).
Em geral tecidos saudveis no devem receber mais do que 10% da dose estabelecida para o
tumor. Ou seja, (1 0.10)
g g
u t = + .
As linhas da matriz de propagao podem ser reordenadas considerando as linhas que
correspondem ao tumor, as linhas que correspondem estrutura crtica, e as linhas que
correspondem ao tecido saudvel. Esta reordenao representada pelas sub-matrizes A
t
, A
c
e A
g
, como indicado abaixo:
t
c
g
A
A A
A
(
(
=
(
(
ou seja, A
t
: tumor, A
c
: estrutura crtica e A
g
: restante de tecido saudvel.
Sub-raios que no atingem o tumor so removidos pela eliminao das colunas de A que tem
o vetor zero na coluna A
t
correspondente. Assim, sem perda de generalidade, consideraremos
que a matriz A
t
no tem colunas nulas. Portanto, temos que , ,
t c
m n m n m n
t c
A A A
e
g
m n
g
A
.
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
6 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
3. Problema de Otimizao Linear
Nesta seo apresentamos o modelo de programao linear usado para auxiliar no plano de
radioterapia introduzido em [4]. Este modelo incorpora as denominadas restries elsticas
que satisfazem todas as restries impostas para o tratamento quando uma soluo existe ou
apresentam a melhor soluo fora das especificaes possvel de acordo com uma
ponderao da funo objetivo. O modelo proposto pode ser representado pela seguinte
formulao [4]:
Minimizar
t t t
c g
wl t u c u g + +
s.a
t t t
l Lt A x u (1)
0
0
0,
c c c
g g g
t
c c
g
A x u U c
A x u U g
Lt l
u U c
U g
x
+
+
onde
x: representa o vetor de dose dos sub-raios (
n
x );
t: , 0;
T
m
t t
c: ;
C
m
c
g: , 0.
g
m
g g
A funo objetivo representada pela soma ponderada de trs metas: l
t
t, que mede o quanto
falta para que o plano encontrado consiga aplicar a dose mnima na regio do tumor;
t
c
u c
que mede a quantidade de radiao acima da prescrita recebida pela regio crtica; e
t
g
u g que
mede a quantidade de radiao acima da prescrita nos demais tecidos saudveis.
As restries ,
t t
l Lt A x
c c c
A x u U c + e ,
g g g
A x u U g + so denominadas elsticas,
pois seus limites podem variar de acordo com os vetores t, c, e g, respectivamente.
As matrizes L, U
c
e U
g
definem como medir a elasticidade, e l, u
c
e u
g
controlam a
penalizao ou recompensa com relao elasticidade. Valores fixos de l, u
c
, u
g
, L, U
c
e U
g
definem um conjunto de funes elsticas. As restries elsticas garantem que para algum
conjunto de funes elsticas (1) sempre estritamente factvel. Desta forma as variveis t, c
e g se assemelham ao clssico conceito de variveis artificiais. Adicionalmente, a diferena
dos limites inferiores nas funes elsticas permite incorporar diferentes objetivos de
tratamento.
O escalar positivo w pondera a importncia da formulao de um plano que obtenha a dose
mnima na regio do tumor, isto , valores grandes de w foram l
t
t a ser to pequeno quanto
possvel priorizando a aplicao da dose mnima no tumor em relao violao da dosagem
mxima permitida nos tecidos saudveis quando no possvel satisfazer todas as
especificaes. Seria desejvel que existisse um valor finito para w>0 tal que o valor timo
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 7
da componente l
t
t fosse zero o que garantiria ao tumor receber o nvel mnimo de radiao
necessrio para sua eliminao.
Considerando que conjuntos diferentes de funes elsticas determinam diferentes filosofias
de tratamento a interpretao do modelo (1) depende da escolha deste conjunto. Em [4]
foram propostas as seguintes escolhas, anlise mdia e anlise absoluta.
Na anlise mdia,
1
, ;
t
m
t
l e l
m
=
1
, ;
c
m
c c
c
u e u
m
=
1
, ;
g
m
g g
g
u e u
m
=
(2)
,
t t
m m
L I L
= ; ,
c c
m m
c c
U I U
= ; ,
g g
m m
g g
U I U
= .
sendo I a matriz identidade. Esta escolha tem os seguintes objetivos:
minimizar a dosagem mdia recebida pelo tumor dentro do limite prescrito;
minimizar a dosagem mdia da radiao que a estrutura crtica recebe;
minimizar a dosagem mdia que o tecido saudvel recebe.
Na anlise absoluta,
, ;
t
t
m
m
l e l = , ;
c
c
m
c m c
u e u = , ;
g
g
m
g m g
u e u =
(3)
,
t
t
m
m
L e L = ; ,
c
c
m
c m c
U e U = ; ,
g
g
m
g m g
U e U = .
Esta escolha tem os seguintes objetivos:
minimizar a dosagem mxima recebida pelo tumor dentro do limite prescrito;
minimizar a dosagem mxima da radiao que a estrutura crtica recebe;
minimizar a dosagem mxima recebida pelo tecido saudvel.
3.1 Propriedades das Restries Elsticas
Considere a seguinte definio:
Definio A prescrio (u
t
, l
t
, u
c
, u
g
) admite a uniformidade do tratamento do tumor se
existe um plano, x 0, tal que l
t
A
t
x u
t
.
O Teorema abaixo foi demonstrado em [4].
Teorema 3.1 Seja (x
(w), t
(w), c
(w), g
= e o valor timo de l
t
t menor do que , ento a
uniformidade na regio do tumor garantida, onde k uma constante que depende dos dados do
problema. Portanto, dados w como definido acima e soluo do problema linear correspondente,
podemos interpretar a soluo para as anlises mdia e absoluta da seguinte forma:
Anlise Mdia (l = u
c
= u
g
= e) e Anlise Absoluta (l = u
c
= u
g
= 1)
Caso 1: l
t
t
Introduzimos as variveis de folga e desconsideramos a constante e
t
u
c
, obtendo o problema
primal na forma padro:
Minimizar
1 1 1
t c g t c g
t t t
m m m m m m
w e t e c e g + +
s.a
u t
a s u + = (4)
0
0
( , , , , , , , ) 0.
l t
t
c c
g g g
t t
u l g t
a t s l
A x a
A x s c
A x g s u
t s l
t c g x s s s s
+ =
=
+ =
+ =
+ =
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 9
Encontramos agora o problema dual no formato desejado:
Maximizar
t t t t
t u t l g g t t
u y l y u y l y +
s.a 0
u l a
y y y + = (5)
1
1
1
0
( , , , , , , , , ) 0.
t T
c C
g g
t t t
t a c c g g x
l t t m m
c c m m
g g m m
u l c g t x t c g
A y A y A y z
y y z w e
y w e
y w e
y y y y y z z w w
+ =
+ =
+ =
+ =
As condies de complementaridade [16] para os problemas (4) e (5) so dadas por:
0; 0;
0; 0; 0;
0; 0;
0; 0.
t t
c g t
t
c g
u u m l l m
c c m g g m t t m
x t m
c m g m
Y S e Y S e
Y S e Y S e Y S e
XZ e TZ e
CW e GW e
= =
= = =
= =
= =
(6)
As condies de otimalidade para os problemas (4) e (5) so dadas pela factibilidade primal,
factibilidade dual e as condies de complementaridade (6).
4.2 O Mtodo Primal-Dual para Anlise Mdia
Aplicando o mtodo de Newton s condies de otimalidade, e modificando o tamanho do
passo para manter os pontos interiores, determinamos as direes do mtodo primal-dual,
para os problemas (4) e (5). Escrevendo primeiro o Jacobiano:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
=
t
c
g
t t t
t c g
I I
I I I
I A
A I I
A I I
I I
I I I
A A A I
I I I
J
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0
u u
l l
c c
g g
t t
x
t
c
I I
I I
Y S
Y S
Y S
Y S
Y S
Z X
Z T
W
.
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
\ . g
C
W G
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
10 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
Obtemos agora os resduos resultantes da aplicao do mtodo de Newton s condies de
otimalidade:
1
3
5
7
1
9
1
11
13
15
17
19
;
;
;
;
;
;
;
;
;
;
t
c
t
c
g
c
t u
t
g g g
u l a
l t t m
g g m
l l m
g g m
g g m
c m
r u a s
r a A x
r u A x g s
r y y y
r w e y y z
r e y w
r e Y S e
r e Y S e
r e Y S e
r e CW e
= +
= +
= +
2
4
6
8
1
10
12
14
16
18
20
;
;
;
;
;
;
;
;
;
.
C
t
c
t
Tt
g
t l
c c
t t
t t t
t a c c g g x
c c m
u u m
c c m
t t m
t m
g m
r l a t s
r A x s c
r l t s
r A y A y A y z
r e y w
r e Y S e
r e Y S e
r e Y S e
r e TZ e
r e GW e
= +
= +
=
= + +
=
=
=
=
=
=
Multiplicando a matriz do Jacobiano pelas seguintes direes:
( , , , , , , , , , , , , , , , , , , )
u l c g t u a l a g t x c g
t
a x t c g s s s s s y y y y y y z w w
d d d d d d d d d d d d d d d d d d d d = ,
e igualando aos resduos r = (r
1
, r
2
, r
3
, ..., r
20
), temos Jd = r onde:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
u
t
c
g
t
u l a
y c g x
l t t
c c
g g
u u
l l
c c
g
a s
a t s
a t x
c x c s
g x g s
t s
y y y
t t t
t y c y g y z
y y z
y w
y w
u s u y
l s l y
c s c y
g s g
d d r
d d d r
d Ad r
A d d d r
A d d d r
d d r
d d d r
A d A d A d d r
d d d r
d d r
d d r
Y d S d r
Y d S d r
Y d S d r
Y d S
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+
15
16
17
18
19
20
.
g
t t
x
t
w
g
y
t s t y
x x z
t t z
c c w
g g w
d r
Y d S d r
Z d Xd r
Z d Td r
W d Cd r
W d Gd r
+ =
+ =
+ =
+ =
+ =
(7)
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 11
4.3 Eliminao de Variveis
As equaes (7) definem o sistema linear que determina as direes dos mtodos de pontos
interiores. Este sistema pode ser resolvido diretamente, mas esta opo muito cara compu-
tacionalmente devido sua grande dimenso. No entanto, este sistema pode ser reduzido
atravs da substituio de variveis de forma similar reduo realizado para problema na
forma padro. Admitindo-se que a matriz A tem mais linhas (que esto representadas pelo
nmero de pixels) do que colunas (que so representadas pelo nmero de raios). Logo,
1 1 1 1 1 1
7 8 14 15 17 10 14 19
1 1 1 1 1 1 1
11 15 20 7 12 13 1 2 4 8 9
1 1 1 1 1
13 16 18 2 6
( ) (( ) ( )
( ) (( ) ) ((
) )
t t t t
x c c g g c c
t t t
g g t u l u u l l t
l l l l t t
A DD A D d r A S r A S r X r A r S r C r
A r S r G r A r S r S r S Y r S Y r A D D r
S r S r T r S Y r S Y r
+ = + + + +
+ +
+
1
) .
t
p
A DD r
+
Este sistema simtrico e definido positivo podendo ser resolvido pela decomposio de
Cholesky. Sua dimenso muito menor que o sistema original representado pelas equaes
(7). As direes so:
1
1 1 1 1 1 1
8 9 13 16 18 2 6 4
1 1 1 1
3 4 7 12 13 1 2
( )
((( ) ) )
(( ) )
a
x p
t l t l l t t a
y a t u l u u l l
d D Ad r
d D r S r S r T r S Y r S Y r D d
d D d D d r S r S r S Y r S Y r
=
= + +
= +
1
u
s a
d r d =
2
l
s a t
d r d d = + +
1 1 1 1
10 14 19
1 1 1 1
11 15 20
( ( ))
( ( ))
c
g
s c c c c c
s g g g g g
d Y S C W d r S r C r
d Y S G W d r S r G r
=
=
6
t
s t
d r d =
1
12
( )
u u
y u u s
d S r Y d
=
1
13
( )
l l
y l l s
d S r Y d
=
1
14
( )
c c
y c c s
d S r Y d
=
1
15
( )
g g
y g g s
d S r Y d
=
1
16
( )
t t
y t t s
d S r Y d
=
1
17
( )
x
z x x
d X r Z d
=
1
18
( )
t
z t t
d T r Z d
=
1
19
( )
c
W c c
d C r W d
=
1
20
( )
g
W g g
d G r W d
=
onde
1 1
1 c c c
D I Y S C W
= + ;
1 1
2 g g g
D I Y S G W
= + ;
1 1
3
;
u u l l
D S Y S Y
= +
1
4 l l
D S Y
= ;
1
5
;
c
D C W
=
1
6 g
D G W
=
;
1
7
;
x
D X Z
=
1 1 1
8 l l t t t
D S Y S Y T Z
= + + ;
1
9 3 4 8 4
( ); D D D D D
=
,
a
c
g
d
d d
d
| |
|
=
|
|
\ .
1
2
0 0
0 0 ,
0 0
I
D D
D
| |
|
=
|
|
\ .
3
p a
b
r
r r
r
| |
|
=
|
|
\ .
e
9
5
6
0 0
0 0
0 0
D
D D
D
| |
|
=
|
|
\ .
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
12 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
com,
1 1 1
4 10 14 19
( )
a c c c
r r Y S r S r C r
= + e
1 1 1
5 11 15 20
( ).
b g g g
r r Y S r S r G r
= +
O mtodo de pontos interiores desenvolvido nesta seo pode ser resumido da seguinte
forma:
Seja, h = ( , , , , , , , , )
u l c g t
t c g x s s s s s e j = ( , , , , , , , , ).
u l c g t x t c g
y y y y y z z w w
Dado um ponto interior (h
0
, j
0
).
Para k = 1, 2, ...
Calcule as matrizes diagonais de D
1
a D
9
Calcule os resduos: r
1
a r
20
, r
a
, r
b
e r
p
Calcule as direes: , , , , , , , , , , , ,
a u l c g t u c t x t c
y t s s s s s y y y z z w
d d d d d d d d d d d d d e
g
w
d
Calcule
p
e
d
1
1
1
1
a
k k k
p a
k k k
a a d y
k k k k
p p h
k k k k
d d j
a d
y y d
h h d
j j d
+
+
+
+
= +
= +
= +
= +
at convergir.
Para calcular o tamanho do passo ,
k k
p d
obtemos min
k
i
k
k i
p
k
dh
hi
h
d
= e min
k
i
k
k i
d
k
dj
ji
j
d
= .
Os valores
k
p
e
k
d
representam o tamanho de passo mximo tal que a primeira componente
de h e j se anulam respectivamente. Portanto, o tamanho do passo ser obtido multiplicando
por um parmetro (0,1) assim min(1, )
k k
p p
= e min(1, )
k k
d d
= o que garante que
nenhuma componente de h ou j se anule. Adicionalmente, o passo limitado ao tamanho
mximo 1, que corresponde a um passo de Newton.
4.4 Mtodo Preditor-Corretor para Anlise Mdia
No mtodo preditor-corretor dois sistemas lineares determinam as direes. Primeiramente
calculada a direo afim resolvendo o sistema linear (7) com = 0. Em seguida, os novos
resduos so calculados:
12
14
16
18
20
;
;
;
;
.
t t t
c c c
t t t
t t t
g g g
m u u m u u m
m c c m c c m
m t t m t t m
m t m t m
m g m g m
r e Y S e Dy Ds e
r e Y S e Dy Ds e
r e Y S e Dy Ds e
r e Z Te Dz Dte
r e W Ge Dw Dge
13
15
17
19
;
;
;
;
t t t
g g g
c c c
m l l m l l m
m g g m g g m
x x
m c m c m
r e Y S e Dy Ds e
r e Y S e Dy Ds e
r e Z Xe Dz Dxe
r e W Ce Dw Dce
=
=
=
=
e a direo desejada obtida resolvendo o seguinte sistema linear [7]:
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 13
1
2
3
4
5
6
7
8
9
10
11
12
13
14
u
t
c
g
t
u l a
y c g x
l t t
c c
g g
u u
l l
c c
g
a s
a t s
a t x
c x c s
g x g s
t s
y y y
t t t
t y c y g y z
y y z
y w
y w
u s u y
l s l y
c s c y
g s
d d r
d d d r
d A d r
A d d d r
A d d d r
d d r
d d d r
A d A d A d d r
d d d r
d d r
d d r
Y d S d r
Y d S d r
Y d S d r
Y d
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =
15
16
17
18
19
20
.
g
t t
x
t
w
g
g y
t s t y
x x z
t t z
c c w
g g w
S d r
Y d S d r
Z d Xd r
Z d Td r
W d Cd r
W d Gd r
+ =
+ =
+ =
+ =
+ =
+ =
O clculo da perturbao
k
funo da direo afim [7]. Quanto melhor a direo menor
ser a perturbao e vice-versa:
k
k k
n
= e ( ) ( )
k k k k t k k k
p d j h
h d j d = + +
onde,
k
p
e
k
d
so o tamanho do passo em relao direo afim. A idia desse mtodo calcular a direo
afim-escala e estudar o progresso do mtodo ao longo dessa direo, calculando a perturbao
k
de acordo com este progresso. Uma vez que uma segunda direo calculada, tambm
calcula-se a correo no linear utilizando o mesmo Jacobiano da direo anterior [7].
4.5 Anlise Absoluta
Trabalhamos agora com a anlise absoluta (3). Com esta escolha o problema (1) se reduz a:
Minimizar
t c g
t t t
m m m
we t e c e g + +
s.a
t t
t
t m m t t
l e e t A x u
0
0
0.
c c c
g g g
t t
c c c
g g
t
c m m m
t
g m m m
t
m m t
t
m m m
t
m m
A x e e e c
A x e e e g
e e t l
e e e c
e e g
x
+
+
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
14 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
Os vetores t, c e g no tem significado fsico e neste modelo s nos interessa a soma dos seus
elementos. Assim, criamos uma varivel para caracterizar a soma dos elementos de cada um
deles: , ,
t c g
t t t
m m m
e t e c e g = = = , obtendo o seguinte problema:
Minimizar w + +
s.a
t
t m t
l e a u
0
1
0
0.
c c
g g
t
c m m
g m m
A x a
A x e e
A x e e
x
=
+
+
Nosso prximo objetivo consiste em obter um problema linear na forma padro contendo
apenas restries de igualdade.
Minimizar w + +
s.a
u t
a s u + = (8)
0
0
( , , , , , , , , ) 0,
: .
t
c
g g
m t t
t
c m c
g m g m
t
u l c g t
a e s l
A x a
A x e s
A x e s e
x s s s s
a livre
+ =
=
+ =
+ =
+ =
Encontramos o problema dual no formato desejado:
Maximizar
g
t t t
t u t l m g t
u y l y e y +
s.a 0
u l a
y y y + = (9)
1
1
0
( , , , , , , , , ) 0,
: .
t
c
g
t
m l t t
t
m c c
t
m g g
t t t
t a c c g g x
u l c g t t c g x
a
e y w
e y
e y
A y A y A y z
y y y y z
y livre
+ =
+ =
+ =
+ =
As condies de complementaridade para os problemas (8) e (9) so dadas por:
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 15
0; 0; 0
0; 0; 0
0; 0; 0.
t t c
g
u u m l l m c c m
g g m t t t
c g x
Y S e Y S e Y S e
Y S e
XZ e
= = =
= = =
= = =
(10)
As condies de otimalidade para os problemas (8) e (9) so dadas pela factibilidade primal,
factibilidade dual e as condies de complementaridade (10).
4.6 O Mtodo Primal-Dual para Anlise Absoluta
Aplicando o mtodo de Newton s condies de otimalidade, e modificando o tamanho do
passo para manter os pontos interiores, determinamos as direes do mtodo primal-dual,
para os problemas (8) e (9). Escrevendo primeiro o Jacobiano:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
=
t
c
g
t
c
m
t
c m
g m
t
m
t
m
I I
I e I
I A
A e I
A e I
I I I
e
e
J
0 1 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
g
t
m
t t t
t c g
u u
l l
c c
g g
t t
t
c
e
A A A I
Y S
Y S
Y S
Y S
0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
\ .
g
x
Z X
Obtemos agora os resduos resultantes da aplicao do mtodo de Newton s condies de
otimalidade:
1
3
5
7
9
11
13
15
17
19
;
;
;
;
1 ;
;
;
;
;
;
g g
c
t t
g g
t u
t
m g m g
u l a
t
m c c
t t t
t a c c g g x
l l m m
g g m m
t
g
r u a s
r a A x
r e A x e s
r y y y
r e y
r A y A y A y z
r Y S e e
r Y S e e
r
r
= +
= +
= + +
= +
= +
= +
= +
2
4
6
8
10
12
14
16
18
20
;
;
;
;
1 ;
;
;
;
;
.
t
g
t
g
t t
c c
t m l
c m c
t
t
m l t t
t
m g g
u u m m
c c m m
t t
c
x
r l a e s
r A x e s
r
r w e y
r e y
r Y S e e
r Y S e e
r
r
r XZ e e
= +
= +
=
= +
=
= +
= +
= +
= +
= +
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
16 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
Multiplicamos a matriz do Jacobiano pelas seguintes direes:
( , , , , , , , , , , , , , , , , , , , ),
u l c g t a u l c g t t c g x
t
a x s s s s y y y y y z
d d d d d d d d d d d d d d d d d d d d d
=
e as igualamos aos resduos
1 2 20
( , , , ), r r r r = temos, Jd=r:
1
2
3
4
5
6
7
8
9
10
11
12
13
u
t l
c c
g g
t
u u l
t l t t
c c c
c g g
a c g x
u u
l l
a s
a m s
a t x
c x m s
g x m s
y y y
t
m y
t
m y
t
m y
t t t
t y c y g y z
u s u y
l s l y
c
d d r
d e d d r
d A d r
A d e d d r
A d e d d r
d d r
d d d r
e d d d r
e d d r
e d d r
A d A d A d d r
Y d S d r
Y d S d r
Y
+ =
+ =
+ =
+ =
+ =
+ =
+ + =
+ =
+ =
+ =
+ =
+ =
+ =
14
15
16
17
18
19
20
.
c c
g g
t t
t
c
g
x
s c y
g s g y
t t
t
c
g
x x z
d S d r
Y d S d r
d d r
d d r
d d r
d d r
Z d Xd r
+ =
+ =
+ =
+ =
+ =
+ =
+ =
(11)
4.7 Eliminao de Variveis
As equaes de (11) definem o sistema linear que determina as direes dos mtodos de
pontos interiores Para a anlise mdia este sistema pode ser resolvido diretamente, mas esta
opo muito cara computacionalmente devido sua grande dimenso. No entanto, este
problema pode ser reduzido atravs da substituio de variveis. Logo restou a seguinte
equao:
1 1 1 1 1
9 11 14 15 20
1 1 1
( ( ) ) ( )
( ) ( ).
t t t
x c c g g
t
p p
A D ED E D A D d r A S r A S r X r
A D ED E D r ED r
+ = + + +
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 17
Este sistema simtrico e definido positivo podendo ser resolvido pela decomposio de
Cholesky. Sua dimenso muito menor que o sistema original representado pelas
equaes (11).
A primeira vista, a inverso da matriz
1 1
( ) D ED E
parece ser computacionalmente cara.
Mas se utilizarmos a frmula de Sherman-Morrison-Woodbury [3] obtemos a seguinte
relao:
1 1 1 1 1 1 1 1 1
3
( ) ( ) , D ED E D D ED I ED ED ED
= +
que envolve a inverso de uma matriz diagonal
1 1
3
I ED ED
de dimenso 3. Portanto esta
inversa pode ser facilmente calculada no representando grande esforo computacional.
As direes so:
1 1 1
2
( ) ( ( ))
x p p
d ED E D Ad r ED r
=
,
1
1 2
( )
p
d D r Ed
=
,
1 1 1 1 1
10 2 2 7 12 13 1 2
(( (( ) )) )
a
a u l u u m
y
d D r D r S r S r S Y r e d D d
= + ,
1 1 1 1
2 7 12 13 1 1
((( ) ) )
l a
s u l u u a y
d D r S r S r S Y r D d d
= + + + ,
1
u
s a
d r d = ,
6
t
d r d
= ,
1
12
( )
u u
y u u s
d S r Y d
= ,
1
13
( )
l l
y l l s
d S r Y d
= ,
1
14
( )
c c
y c c s
d S r Y d
= ,
1
15
( )
g g
y g g s
d S r Y d
= ,
1
16
( )
t t
t t
d r d
= ,
1
17
( )
t
t
d r d
= ,
1
18
( )
c
c
d r d
= ,
1
18
( )
g
g
d r d
= ,
1
20
( )
x
z x x
d X r Z d
= .
onde,
1
1
1
3
1
5
1
7
1
9
;
;
;
;
;
u u
t t
c c
g g
x
D S Y
D
D S Y
D S Y
D X Z
=
=
=
=
=
1
2
1
4
1
6
1
8
1 1
10 2 1
;
;
;
;
( ) .
l l
t
c
g
D S Y
D
D
D
D I D D
=
=
=
=
= +
Tambm temos que,
1
,
d
d d
d
| |
|
=
|
|
\ .
2
,
a
c
g
y
s
s
d
d d
d
| |
|
= |
|
|
\ .
1
10 2
0 0
0 0 ,
0 0
D D
D I
I
| |
|
=
|
|
\ .
5
7
0 0
0 0 ,
0 0
I
D D
D
| |
|
=
|
|
\ .
10
0 0
0 0 ,
0 0
t
c
g
m
m
m
D e
E e
e
| |
|
= |
|
|
\ .
1
1 10 2
5
7
( ) 0 0
0 0 ,
0 0
t
c
g
t
m
t
m
t
m
e D D D I
E e D
e D
| |
|
|
=
|
|
\ .
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
18 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
1 10 3 4
6
8
( ( )) 0 0
0 0 ,
0 0
t t
t
m m
e D D e D D
D D
D
| | + +
|
= |
|
|
\ .
4
5
,
c
p
r
r r
r
| |
|
=
|
|
\ .
,
d
p a
b
r
r r
r
| |
|
=
|
|
\ .
com,
1 1
9 14 18
,
c
t
a m c
r r e S r r
=
1 1
10 15 19
,
g
t
b m g
r r e S r r
=
1 1 1 1
3 10 2 2 7 12 13 1
( (( ) )),
c u l u u
r r D r D r S r S r S Y r
= + +
1 1 1 1 1 1 1
8 16 17 13 16 7 12 13 1
1 1 1 1
1 10 2 2 7 12 13 1
( ) (( ) )
( (( ) )).
t t
t
t t
d t m l t t m u l u u
t
m u l u u
r r r r e S r r e r S r S r S Y r
e D D r D r S r S r S Y r
= + +
+
O mtodo de pontos interiores desenvolvido nesta seo pode ser resumido da seguinte
forma:
Seja, ( , , , , , , , , )
u l c g t
f x s s s s = e ( , , , , , , , , )
u l c g t t c g x
g y y y y z = .
Dado um ponto interior
0 0
( , ). f g
Para k=1,2,...
Calcule as matrizes diagonais de D
1
a D
9
Calcule os resduos: r
1
a
20
, , , , ,
p p a b c
r r r r r r e r
d
Calcule d
1
e d
2
Calcule as direes: , , , , , , , , , , ,
l u t u l c g t t c g
a s s y y y y
d d d d d d d d d d d d
e
x
z
d
Calcule
p
e
d
1
1
1
1
a
k k k
p a
k k k
a a d y
k k k k
p f
k k k k
d g
a d
y y d
f f d
g g d
+
+
+
+
= +
= +
= +
= +
at convergir.
4.8 Mtodo Preditor-Corretor para Anlise Absoluta
No mtodo preditor-corretor dois sistemas lineares determinam as direes. Primeiramente
calculada a direo afim ( , , ,
a
f g a y
d d d d ) resolvendo o sistema linear (11) com = 0. Em
seguida, a direo desejada obtida resolvendo o seguinte sistema linear [7]:
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 19
1
2
3
4
5
6
7
8
9
10
11
12
13
u
t l
c c
g g
t
u u l
t l t t
c c c
c g g
a c g x
u u
l l
a s
a m s
a t x
c x m s
g x m s
y y y
t
m y
t
m y
t
m y
t t t
t y c y g y z
u s u y
l s l y
d d r
d e d d r
d A d r
A d e d d r
A d e d d r
d d r
d d d r
e d d d r
e d d r
e d d r
A d A d A d d r
Y d S d r
Y d S d r
+ =
+ =
+ =
+ =
+ =
+ =
+ + =
+ =
+ =
+ =
+ =
+ =
+ =
14
15
16
17
18
19
20
,
c c
g g
t t
t
c
g
x
c s c y
g s g y
t t
t
c
g
x x z
Y d S d r
Y d S d r
d d r
d d r
d d r
d d r
Z d Xd r
+ =
+ =
+ =
+ =
+ =
+ =
+ =
onde os novos resduos so dados por
12
14
16
18
20
;
;
;
;
.
t t t
c c c
m u u m u u m
m c c m c c m
t t t t
c c
x x
r e Y S e Dy Ds e
r e Y S e Dy Ds e
r d d
r d d
r e Z Xe Dz Dxe
13
15
17
19
;
;
;
;
t t t
g g g
m l l m l l m
m g g m g g m
t t
g g
r e Y S e Dy Ds e
r e Y S e Dy Ds e
r d d
r d d
=
=
=
=
5. Resultados Computacionais
Neste captulo as verses de mtodos de pontos interiores prima-dual e preditor-corretor para
as anlises mdia e absoluta so comparadas. Os mtodos foram implementados em Matlab
5.3 e os testes realizados em um microcomputador PC compatvel 900MHz usando o sistema
operacional Linux.
Nos experimentos foram utilizados dois problemas. O primeiro um exemplo teste pequeno
de apenas 16 pixels e o segundo com 4096 pixels baseados em um problema real obtido na
pgina www.trinity.edu/aholder/research/oncology/.
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
20 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
As Tabelas 5.1 a 5.4 resumem os resultados obtidos quanto ao nmero de iteraes,
contagem de operaes de ponto flutuante (flops ou megaflops) e tempo de execuo em
segundos respectivamente, para os mtodos primal-dual e preditor-corretor utilizando tanto o
comando interno do Matlab quanto a decomposio de Cholesky. A tolerncia utilizada para
convergncia a raiz quadrada do da mquina e o parmetro tem o valor fixo 0,99995.
Na anlise absoluta foram implementadas duas verses. A primeira delas utiliza a matriz do
lado esquerdo da equao (4.7), a segunda verso (rpida) utiliza o lado direito da mesma
equao. Somente a verso rpida foi utilizada nos experimentos para o problema de 4096
pixels. Obtivemos tambm os seguintes resultados para as variveis w, l
t
t, u
t
c, u
t
g, , c e g
para a anlise mdia e w, , e para anlise absoluta.
Para Anlise Mdia:
w = 0.1;
l
t
t = 7.2267;
u
t
c = 1.805510
-7
;
u
t
g = 4.422510
-7
.
- Primal-dual com Cholesky:
= 1.510
-7
;
c =
6
10
0.125
0.0556
(
(
(
(
; g =
7
10
0.1005
0.1005
0.1005
0.1005
(
(
(
(
(
(
(
.
- Primal-dual sem Cholesky:
= 2.3410
-7
;
c =
6
10
0.1211
0.1679
(
(
(
(
; g =
7
10
0.1564
0.1564
0.1564
0.1564
(
(
(
(
(
(
(
.
- Preditor-corretor com Cholesky:
= 6.2110
-7
;
c =
6
10
0.3873
0.3118
(
(
(
(
; g =
7
10
0.4145
0.4145
0.4145
0.4145
(
(
(
(
(
(
(
.
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 21
- Preditor-corretor sem Cholesky:
= 5.7410
-7
;
c =
6
10
0.4584
0.2939
(
(
(
(
; g =
7
10
0.3829
0.3829
0.3829
0.3829
(
(
(
(
(
(
(
.
Para Anlise Absoluta:
w = 0.1;
= 0.8501;
- Primal-dual com Cholesky:
= 6.20510
-8
;
= 510
-11
.
- Primal-dual sem Cholesky:
= 4.52810
-9
;
=2.35210
-12
.
- Preditor-corretor com Cholesky:
= 1.12510
-7
;
= 3.8110
-9
.
- Preditor-corretor sem Cholesky:
= 4.73710
-10
;
= 2.216710
-11
.
Na Tabela 5.1 podemos ver que ambos os mtodos se comportam bem para um problema
pequeno e como seria de se esperar o mtodo primal dual converge mais rpido, pois o
preditor corretor foi desenvolvido para problemas de grande porte. Da mesma forma, a
utilizao da decomposio de Cholesky no Matlab para este problema no proporciona
ganhos significativos.
Tabela 5.1 Exemplo com 16 pixels Anlise Mdia.
Mtodo Iteraes Flops Tempo
Primal-Dual com Cholesky 12 81099 0,05
Primal-Dual sem Cholesky 12 84075 0,05
Preditor-Corretor com Cholesky 10 91568 0,07
Preditor-Corretor sem Cholesky 10 98548 0,06
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
22 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
Na Tabela 5.2 os resultados para a anlise absoluta so similares ao da anlise mdia, sendo
que a utilizao da decomposio de Cholesky obteve convergncia ligeiramente mais
rpida. A verso rpida que inverte a matriz de forma eficiente reduziu quase metade o
nmero de flops necessrio convergncia e tambm reduz o nmero de iteraes.
Tabela 5.2 Exemplo com 16 pixels Anlise Absoluta.
Mtodo Iteraes Flops Tempo
Primal-Dual com Cholesky 9 123034 0,06
Primal-Dual sem Cholesky 9 125266 0,06
Preditor-Corretor com Cholesky 6 109103 0,05
Preditor-Corretor sem Cholesky 7 131980 0,06
Primal-Dual rpido com Cholesky 8 65713 0,05
Primal-Dual rpido sem Cholesky 8 67697 0,05
Preditor-Corretor rpido com Cholesky 6 61445 0,05
Preditor-Corretor rpido sem Cholesky 6 65645 0,05
Para o problema de grande porte (Tabela 5.3) na anlise mdia, podemos ver que o mtodo
preditor-corretor e o uso da decomposio de Cholesky j apresentam resultados
significativamente melhores. O Matlab mascara um pouco este resultado no tempo
computacional mas no nmero de flops podemos observar melhor este desempenho superior.
Tabela 5.3 Exemplo com 4096 pixels Anlise Mdia.
Mtodo Iteraes MFlops Tempo
Primal-Dual com Cholesky 14 69,0 75,3
Primal-Dual sem Cholesky 14 93,3 76,8
Preditor-Corretor com Cholesky 13 73,1 71,7
Preditor-Corretor sem Cholesky 13 141,1 75,6
O mtodo primal dual no converge para este problema na anlise absoluta (Tabela 5.4). O
preditor corretor, no entanto converge em um nmero muito pequeno de iteraes, embora
com um tempo computacional elevado. Estes experimentos foram realizados em uma estao
Sun Blade 100 com o Matlab 6.0, assim, no foi possvel estimar o nmero de flops.
Tabela 5.4 Exemplo com 4096 pixels Anlise Absoluta.
Mtodo Iteraes Tempo
Primal-Dual rpido com Cholesky Max.
Primal-Dual rpido sem Cholesky Max.
Preditor-Corretor rpido com Cholesky 8 974,3
Preditor-Corretor rpido sem Cholesky 8 975,2
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006 23
6. Concluses
Os resultados de nossa implementao em Matlab indicam que os mtodos de pontos
interiores so promissores para esta classe de problemas sendo o mtodo preditor-corretor
mais eficiente, principalmente no aspecto robustez. Pode-se observar que as iteraes do
mtodo so rpidas, devido reduo do sistema linear via eliminao de variveis,
resultando em um sistema da ordem do nmero de linhas, que determina o nmero de pixels,
da matriz de propagao, obtendo em ambos os casos um sistema de muito menor dimenso,
simtrico e definido positivo que pode ser decomposto utilizando Cholesky acelerando a
convergncia do mtodo.
Na anlise absoluta houve uma simplificao do modelo para facilitar o desenvolvimento do
mtodo e da resoluo dos sistemas lineares. Foram criadas variveis que representam a
soma dos elementos dos vetores cujos valores individuais no so importantes.
Alm disso, possvel reduzir o esforo computacional, utilizando a frmula de Sherman-
Morrison-Woodbury para inverter uma matriz. Devido utilizao desta frmula, somente
matrizes diagonais so invertidas.
Agradecimentos
Este trabalho foi parcialmente financiado pela FAPESP Fundao de Amparo Pesquisa
do Estado de So Paulo e pelo CNPq Conselho Nacional de Desenvolvimento Cientfico e
Tecnolgico.
Referncias Bibliogrficas
[1] Bahr, G.K.; Kereiakes, J.G.; Horwitz, H.; Finney, R.; Galvin, J. & Good, K. (1968).
The Method of Linear Programming Applied to Radiation Treatment Planning.
Radiology, 91, 686-693.
[2] Castro, J. (2000). A Specialized Interior-Point Algorithm for Multcommodity Network
Flows. SIAM J. Optimization, 10(3), 852-877.
[3] Duff, I.S.; Erisman, A.M. & Reid, J.K. (1986). Direct Methods for Sparse Matrices.
Clarendon Press, Oxford.
[4] Holder, A. (2003). Designing Radiotherapy Plans with Elastic Constraints and Interior
Point Methods. Health Care and Management Science, 6(1), 5-16.
[5] Langer, M.; Brown, R.; Urie, M.; Leong, J.; Stracher, M. & Shapiro, J. (1990). Large
Scale Optimization of Beam Weights under Dose-Volume Restrictions. International J.
of Radiation Oncology, Biology, Physics, 18, 887-893.
[6] Lodwick, W.; McCout, S.; Newman, F. & Humphries, S. (1998). Series in Applied
Mathematics Computational, Radiology and Imaging: Therapy and Diagnosis.
In: Optimization methods for radiation therapy plans [edited by C. Borges and
F. Natterer], IMA, Springer-Verlag.
[7] Mehrotra, S. (1992). On the Implementation of a Primal-Dual Interior Point Method.
SIAM Journal on Optimization, 2(4), 575-601.
Barboza & Oliveira Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores
24 Pesquisa Operacional, v.26, n.1, p.1-24, Janeiro a Abril de 2006
[8] Oliveira, A.R.L.; Nascimento, M.A. & Lyra, C. (2000). Efficient Implementation and
Benchmark of Interior Point Methods for the Polynomial L
1
Fitting Problem.
Computational Statistics & Data Analysis, 35, 119-135.
[9] Oliveira, A.R.L.; Nepomuceno, L. & Soares, S. (2005). Short Term Hydroelectric
Scheduling Combining Network Flow and Interior Point Approaches. Electrical Power
& Energy Systems, 27, 91-99.
[10] Oliveira, A.R.L.; Nepomuceno, L. & Soares, S. (2003). Optimal Active Power Dispatch
Combining Network Flow and Interior Point Approaches. IEEE Transactions on Power
Systems, 18(4), 1235-1240.
[11] Oliveira, A.R.L. & Soares, S. (2003). Mtodos de Pontos Interiores para Problema de
Fluxo de Potncia timo DC. SBA: Controle & Automao, 14(3), 278-285.
[12] Resende, M.G.C. & Veiga, G. (1993). An Efficient Implementation of a Network
Interior Point Method. DIMACS Series in Discrete Mathematics and Theoretical
Computer Science, 12, 299-348.
[13] Rosen, I.; Lane, R.; Morril, S. & Belli, J. (1990). Treatment Plan Optimization Using
Linear Programming. Med. Phys., 18, 141-152.
[14] Shepard, D.; Ferris, M.; Olivera, G. & Mackie, T. (1999). Optimizing the Delivery of
Radiation Therapy to Cancer Patients. SIAM Review, 41(4), 721-744.
[15] Sonderman, D. & Abrahamson, P. (1985). Radiotherapy Treatment Design Using
Mathematical Programming Models. Operations Research, 33(4), 705-725.
[16] Wright, S.J. (1996). PrimalDual InteriorPoint Methods. SIAM Publications,
Philadelphia PA.