Detecção de outliers é uma tarefa fundamental para descoberta de conhecimento em mineração de dados. Cujo objetivo é identificar as amostras de dados que desviam acentuadamente dos padrões apresentados num conjunto de dados. Neste trabalho, apresentamos uma nova técnica de detecção de outliers baseada em caminhada determinística do turista. Especificamente um caminhante é iniciado para cada exemplar de dado, variando-se o tamanho da memória, assim, um exemplar recebe uma alta pontuação de outlier ao participar em poucos atratores, enquanto que receberá uma baixa pontuação no caso de participar numa grande quantidade de atratores. Os resultados experimentais em cenários artificiais e reais evidenciaram um bom desempenho do método proposto. Em comparação com os métodos clássicos, o método proposto apresenta as seguintes características salientes: 1) Identifica os outliers através da determinação de estruturas no espaço de dados ao invés de considerar apenas características físicas, como distância, similaridade e densidade. 2) É capaz de detectar outliers internos, situados em regiões entre dois ou mais agrupamentos. 3) Com a variação do valor de memória, os caminhantes conseguem extrair tanto características locais, quanto globais do conjunto de dados. 4) O método proposto é determinístico, não exigindo diversas execuções (em contraste às técnicas estocásticas). Além disso, neste trabalho caracterizamos, pela primeira vez, que as dinâmicas exibidas pela caminhada do turista podem gerar atratores complexos, com diversos cruzamentos. Sendo que estes podem revelar estruturas ainda mais detalhadas e consequentemente melhorar a detecção dos outliers. / Outlier detection is a fundamental task for knowledge discovery in data mining. It aims to detect data items that deviate from the general pattern of a given data set. In this work, we present a new outlier detection technique using tourist walks. Specifically, starting from each data sample and varying the memory size, a data sample gets a higher outlier score if it participates in few tourist walk attractors, while it gets a low score if it participates in a large number of attractors. Experimental results on artificial and real data sets show good performance of the proposed method. In comparison to classical methods, the proposed one shows the following salient features: 1) It finds out outliers by identifying the structure of the input data set instead of considering only physical features, such as distance, similarity or density. 2) It can detect not only external outliers as classical methods do, but also internal outliers staying among various normal data groups. 3) By varying the memory size, the tourist walks can characterize both local and global structures of the data set. 4) The proposed method is a deterministic technique. Therefore, only one run is sufficient, in contrast to stochastic techniques, which require many runs. Moreover, in this work, we find, for the first time, that tourist walks can generate complex attractors in various crossing shapes. Such complex attractors reveal data structures in more details. Consequently, it can improve the outlier detection.

A complexidade é uma característica de grande importância em processos de reconhecimento de padrões, especialmente naqueles que envolvem imagens biológicas. Este trabalho tem como objetivo estudar métodos que realizam a análise de imagens por meio da análise de sua complexidade. Os métodos a serem estudados foram selecionados com base na similaridade de seus algoritmos e metodologia: dimensão fractal, Caminhada Determinística do Turista e Redes Complexas. Estes métodos permitem realizar a análise e segmentação de formas ou texturas contidas em uma imagem com base na sua variação de complexidade. Dos três métodos considerados, dois deles fazem parte do estado da arte em análise de complexidade, enquanto que a dimensão fractal já é aplicada a mais tempo na análise de formas e texturas. Os trabalhos aqui desenvolvidos visam comparar e analisar os métodos selecionados por meio de experimentos com imagens de forma e texturas, sendo utilizadas texturas naturais e de Brodatz, freqüentemente utilizadas na literatura como benchmark para texturas. Com base no conhecimento adquirido, novas técnicas voltadas para a análise e segmentação de formas e texturas foram desenvolvidas, assim como foram analisadas as deficiências e propostas melhorias às técnicas estudadas. Além disso, diversos experimentos com estas metodologias foram realizados em aplicações de Bioinformática / Complexity is a feature of great importance in pattern recognition processes, especially those involving biological images. This work aims to study methods that perform image analysis by the analysis of its complexity. The methods to be studied were selected based on similarity of their algorithms and methodology: fractal dimension, Deterministic Tourist Walk and Complex Networks. These methods enable us to perform the analysis and segmentation of shapes and textures contained in an image based on the variation of its complexity. Of the three methods considered, two of them are part of the state of the art in complexity analysis, while the fractal dimension is already applied in shapes and textures analysis. The work developed here aims to compare and analyze the selected methods through experiments with shape and texture images, utilizing for this natural and Brodatz textures samples, often used in literature as benchmark for textures analysis. Based on the knowledge acquired, new techniques for analysis and segmentation of shapes and textures were developed, as also were analyzed the deficiencies and proposed improvements to the techniques studied. Moreover, several experiments with these methods were performed in bioinformatics applications

Este trabalho está divido em duas partes. Na primeira apresentamos as funções logaritmo e exponencial generalizadas. A partir delas uma grande variedade de outras funções generalizadas pode ser obtida, permitindo uma formulação única dos comportamentos oscilatório, exponencial e lei de potência, característicos dos principais fenômenos físicos. Também mostramos que é possível generalizar a função densidade de probabilidade (pdf) exponencial estendida (stretched exponential) e, a partir dela, uma vasta gama de outras pdfs, que caracterizam os sistemas complexos em Física. As funções logaritmo e exponencial generalizadas também são úteis na generalização de vários modelos contínuos de crescimento em uma formulação única: o modelo de crescimento generalizado de Tsoullaris e Wallace. O mesmo pode ser feito para modelos discretos de crescimento, obtendo, como modelo mais geral, o -Ricker generalizado. Encerrando a primeira parte, mostramos que a pdf gaussiana generalizada (um caso particular da exponencial estendida generalizada) é a solução da equação de difusão não-linear, que caracteriza a caminhada determinista do turista. Na segunda parte deste trabalho é apresentada a caminhada do turista e suas duas versões originais: a determinista (CDT) e a estocástica (CET). A primeira delas é uma caminhada parcialmente autorrepulsiva, caracterizada por uma memória , em um meio desordenado multidimensional formado por N pontos. Em um ambiente unidimensional, ela apresenta uma transição entre uma exploração local e outra global, em um valor bem definido de memória 1 = log2N. Em sua versão estocástica (da qual a CDT é um caso particular), a dinâmica de movimentação é regida pela memória e pela temperatura T, responsável, em última instância, pelas probabilidades de deslocamento. Da mesma forma que a CDT, a CET também apresenta uma transição entre os regimes de exploração, caracterizada por uma memória e uma temperatura críticas e pela idade Np da caminhada (efeito de envelhecimento). Dada a dificuldade em tratar analiticamente a CET, introduzimos a caminhada estocástica modificada do turista (CEMT). Nesta versão, o parâmetro T passa a representar o alcance máximo de um passo da caminhada. Esta modificação permitiu tratar analiticamente a caminhada, sendo possível obter uma expressão analítica geral para a transição, em função dos parâmetros , T e Np. Estes resultados foram validados por experimentos numéricos. / The present work is splitted into two parts. In the first one we present the generalized logarithm and exponential functions. From them, a wide variety of other generalized functions can be obtained, that allow a unique formulation of oscillatory, exponential an power-law behaviors, that characterize physical phenomena. We also show that it is possible to generalize the stretched exponential probability density function (pdf) and, from there, a wide range of other pdfs that characterize complex systems in Physics. The generalized logarithm and exponential functions are also useful to generalize several continuous growth models into a single formulation: the generalized Tsoullaris and Wallace growth model. The same can be done for discrete growth models, getting, as more general model, the generalized -Ricker growth model. Concluding the first part, we show that the generalized Gaussian pdf (a special case of the generalized stretched exponential) is a solution of the nonlinear diffusion equation, which is a characteristic of deterministic tourist walk. In the second part we present the tourist walk and its two original versions: the deterministic one (DTW) and stochastic one (STW). The first one is a partially self-avoiding walk over a disordered multidimensional medium formed by N points and characterized by a memory . In a one-dimensional environment, it presents a transition from a local exploration to a global one at a well-defined memory value 1 = log2N. In its stochastic version (from which DTW is a particular case), the movement dynamics is ruled by the memory and a temperature T which is responsible by the displacement probabilities. Similar to DTW, STW also has a transition between exploration schemes, characterized by a critical memory and temperature and the walking age (Np) (aging effect). Due the difficulty on analytical treatment of the CET, we introduced the modified stochastic tourist walk (MSTW). In this version, the parameter T plays the role of a maximum distance of one walking step. This modification allowed us to treat analytically the walk, being possible to obtain a general analytical expression for the transition, as function to the parameters , T and Np. These results were validated by numerical experiments.

Este trabalho está divido em duas partes. Na primeira apresentamos as funções logaritmo e exponencial generalizadas. A partir delas uma grande variedade de outras funções generalizadas pode ser obtida, permitindo uma formulação única dos comportamentos oscilatório, exponencial e lei de potência, característicos dos principais fenômenos físicos. Também mostramos que é possível generalizar a função densidade de probabilidade (pdf) exponencial estendida (stretched exponential) e, a partir dela, uma vasta gama de outras pdfs, que caracterizam os sistemas complexos em Física. As funções logaritmo e exponencial generalizadas também são úteis na generalização de vários modelos contínuos de crescimento em uma formulação única: o modelo de crescimento generalizado de Tsoullaris e Wallace. O mesmo pode ser feito para modelos discretos de crescimento, obtendo, como modelo mais geral, o -Ricker generalizado. Encerrando a primeira parte, mostramos que a pdf gaussiana generalizada (um caso particular da exponencial estendida generalizada) é a solução da equação de difusão não-linear, que caracteriza a caminhada determinista do turista. Na segunda parte deste trabalho é apresentada a caminhada do turista e suas duas versões originais: a determinista (CDT) e a estocástica (CET). A primeira delas é uma caminhada parcialmente autorrepulsiva, caracterizada por uma memória , em um meio desordenado multidimensional formado por N pontos. Em um ambiente unidimensional, ela apresenta uma transição entre uma exploração local e outra global, em um valor bem definido de memória 1 = log2N. Em sua versão estocástica (da qual a CDT é um caso particular), a dinâmica de movimentação é regida pela memória e pela temperatura T, responsável, em última instância, pelas probabilidades de deslocamento. Da mesma forma que a CDT, a CET também apresenta uma transição entre os regimes de exploração, caracterizada por uma memória e uma temperatura críticas e pela idade Np da caminhada (efeito de envelhecimento). Dada a dificuldade em tratar analiticamente a CET, introduzimos a caminhada estocástica modificada do turista (CEMT). Nesta versão, o parâmetro T passa a representar o alcance máximo de um passo da caminhada. Esta modificação permitiu tratar analiticamente a caminhada, sendo possível obter uma expressão analítica geral para a transição, em função dos parâmetros , T e Np. Estes resultados foram validados por experimentos numéricos. / The present work is splitted into two parts. In the first one we present the generalized logarithm and exponential functions. From them, a wide variety of other generalized functions can be obtained, that allow a unique formulation of oscillatory, exponential an power-law behaviors, that characterize physical phenomena. We also show that it is possible to generalize the stretched exponential probability density function (pdf) and, from there, a wide range of other pdfs that characterize complex systems in Physics. The generalized logarithm and exponential functions are also useful to generalize several continuous growth models into a single formulation: the generalized Tsoullaris and Wallace growth model. The same can be done for discrete growth models, getting, as more general model, the generalized -Ricker growth model. Concluding the first part, we show that the generalized Gaussian pdf (a special case of the generalized stretched exponential) is a solution of the nonlinear diffusion equation, which is a characteristic of deterministic tourist walk. In the second part we present the tourist walk and its two original versions: the deterministic one (DTW) and stochastic one (STW). The first one is a partially self-avoiding walk over a disordered multidimensional medium formed by N points and characterized by a memory . In a one-dimensional environment, it presents a transition from a local exploration to a global one at a well-defined memory value 1 = log2N. In its stochastic version (from which DTW is a particular case), the movement dynamics is ruled by the memory and a temperature T which is responsible by the displacement probabilities. Similar to DTW, STW also has a transition between exploration schemes, characterized by a critical memory and temperature and the walking age (Np) (aging effect). Due the difficulty on analytical treatment of the CET, we introduced the modified stochastic tourist walk (MSTW). In this version, the parameter T plays the role of a maximum distance of one walking step. This modification allowed us to treat analytically the walk, being possible to obtain a general analytical expression for the transition, as function to the parameters , T and Np. These results were validated by numerical experiments.

Considere um meio caracterizado por $N$ pontos cujas coordenadas são geradas aleatoriamente de maneira uniforme nas arestas unitárias de um hipercubo $d$-dimensional. Um caminhante parte de cada ponto deste meio desordenado e se movimenta obedecendo à regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos $mu$ passos. Este processo foi denominado de caminhada determinista do turista. Cada trajetória gerada por esta dinâmica possui uma parte inicial não-periódica de $t$ passos (transiente) e uma parte final periódica de $p$ passos (atrator). As probabilidades de vizinhança são expressas através da fórmula de Cox, que é parametrizada pela função beta incompleta normalizada $I_d = I_{1/4}[1/2,(d+1)/2]$. Enfati-zamos aqui que a distribuição relevante é $S_{mu,d}^{(N)}(t,p)$, a distribuição conjunta de $t$ e $p$, que tem como casos particulares as distribuições marginais, previamente estudadas. O objetivo deste estudo é obter analiticamente estas distribuições para a caminhada determinista do turista sem memória no espaço euclideano, no modelo de distâncias aleatórias (que corresponde ao limite $d ightarrow infty$) e no modelo de mapeamento aleatório (que é um caso limite das redes de Kauffman). As distribuições analíticas obtidas foram validadas através de experimentos numéricos. A distribuição conjunta de tempos de transiente e período de atratores, no limite termodinâmico para uma dimensionalidade arbitrária vale: $S_{1,d}^{(infty)}(t,p) = [Gamma(1+I_d^{-1}) cdot (t+I_d^{-1})/Gamma(t+p+I_d^{-1})] cdot delta_{p,2}$, onde $t=0,1,2,ldots,infty$; $Gamma(z)$ é a função gama e $delta_{i,j}$ é o delta de Kronecker. A caminhada determinista do turista sem memória no modelo de mapeamento aleatório produz uma distribuição de períodos não-trivial ($S_{0,rm}^{(N)}(p) propto p^{-1}$), que é obtida de $S_{0,rm}^{(N)}(t,p) = Gamma(N)/{Gamma[N+1-(t+p)]N^{t+p}}$, onde enfatizamos que o número de pontos explorados $n_e=t+p$ é a grandeza fundamental nos problemas considerados. / Consider a medium characterized by $N$ points whose coordinates are randomly generated by a uniform distribution along the unitary edges of a $d$-dimensional hypercube. A walker leaves from each point of this disordered medium and moves according to the deterministic rule to go the nearest point which has not been visited in the preceding $mu$ steps. This process has been called the deterministic tourist walk. Each trajectory generated by this dynamics has an initial non-periodic part of $t$ steps (transient) and a final periodic part of $p$ steps (attractor). The neighborhood probabilities are given by the Cox formula, which is parameterized by the normalized incomplete beta function $I_d = I_{1/4}[1/2,(d+1)/2]$. Here we stress that the relevant distribution is the joint $t$ and $p$ distribution $S_{mu,d}^{(N)}(t,p)$, which has as particular cases, the marginal distributions previously studied. The objective of this study is to obtain analytically these distributions for the memoryless deterministic tourist walk in the euclidean space, random link model (which corresponds to $d ightarrow infty$ limit) and random map model (which is a limiting case of the Kauffman model). The obtained distributions have been validated by numerical experiments. The joint transient time and attractor period distribution in the thermodynamic limit for an arbitrary dimensionality is: $S_{1,d}^{(infty)}(t,p) = [Gamma(1+I_d^{-1}) cdot (t+I_d^{-1})/Gamma(t+p+I_d^{-1})] cdot delta_{p,2}$, where $t=0,1,2,ldots,infty$; $Gamma(z)$ is the gamma function and $delta_{i,j}$ is the Kronecker's delta. The memoryless deterministic tourist walk in the random map leads to a non-trivial cycle distribution ($S_{0,rm}^{(N)}(p) propto p^{-1}$), which is obtained from $S_{0,rm}^{(N)}(t,p) = Gamma(N)/{Gamma[N+1-(t+p)]N^{t+p}}$, where we stress that the number of explored points $n_e=t+p$ is the fundamental quantity in the considered problems.

Considere um meio desordenado constituído por $N$ pontos cujas coordenadas são geradas aleatoriamente de maneira uniforme e independente nas arestas unitárias de um hipercubo $d$-dimensional. As probabilidades de vizinhança entre os pares de pontos deste meio são expressas através da fórmula de Cox. Um caminhante parte de um dado ponto deste meio desordenado e se movimenta obedecendo à regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos $\\mu$ passos. Este processo foi denominado de caminhada determinista do turista. Cada trajetória gerada por esta dinâmica possui uma parte inicial não-periódica de $t$ passos (transiente) e uma parte final periódica de $p$ passos (atrator). Neste trabalho, obtemos analiticamente algumas distribuições estatísticas para a caminhada determinista do turista com memória $\\mu$ arbitrária em sistemas unidimensionais e com memória $\\mu=2$ no modelo Random Link (que corresponde ao limite $d ightarrow 1$). Estes resultados nos permitiram compreender o papel da memória no comportamento exploratório do turista e explicar a equivalência não-trivial entre o modelo Random Link e o modelo Random Map (que é um caso limite das redes de Kauffman). Enfatizamos que o número de pontos explorados pelo turista é a grandeza fundamental nos problemas considerados. As distribuições analíticas obtidas foram validadas através de experimentos numéricos. Também obtivemos uma dedução alternativa para a fórmula de Cox, apresentando os resultados finais em termos de distribuições estatísticas elementares. / Consider a medium characterized by $N$ points whose coordinates are randomly and independently generated by a uniform distribution along the unitary edges of a $d$-dimensional hypercube. The neighborhood probabilities between any pair of points in this medium are given by the Cox formula. A walker leaves from each point of this disordered medium and moves according to the deterministic rule to go the nearest point which has not been visited in the preceding $\\mu$ steps. This process has been called the deterministic tourist walk. Each trajectory generated by this dynamics has an initial non-periodic part of $t$ steps (transient) and a final periodic part of $p$ steps (attractor). In this work, we obtain analytically some statistical distributions for the deterministic tourist walk with arbitrary memory $\\mu$ in one-dimensional systems and with memory $\\mu=2$ in the random link model (which corresponds to $d ightarrow 1$ limit). These results enable us to understand the main role played by the memory on the tourist\'s exploratory behavior and explain the non-trivial equivalence between the random link model and the random map model (which is a limiting case of the Kauffman model). We stress that the number of explored points is the fundamental quantity in the considered problems. The obtained distributions have been validated by numerical experiments. We also obtain an alternative derivation for the Cox formula, writing the final results in terms of known statistical distributions.

Podemos considerar a caminhada determinista do turista como um processo do tipo dinâmico, que ocorre sobre uma rede composta por N pontos. Os pontos são gerados de maneira aleatória, no espaço euclidiano d dimensional. Um caminhante, partindo de um ponto qualquer do meio desordenado, se movimenta seguindo uma regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos ?= µ - 1 passos. Cada uma das trajetórias geradas através dessa dinâmica possui uma parte inicial não periódica de t passos, denominada transiente, e uma parte final, periódica, de p passos, denominada atrator. Devido ao custo computacional de memória, só é possível simular sistemas com N ? O(103) e µ << N. Neste estudo uma nova implementação na estrutura de armazenamento de dados, no modelo numérico do turista, nos permitiu obter algumas distribuições estatísticas para a caminhada, com valores de memória µ ? O(N). Com estes resultados verificamos a eficiência da estrutura proposta e avançamos no conhecimento acerca do comportamento do turista em caminhadas com memória da ordem de N. Também neste trabalho, obtivemos resultados numéricos interessantes, que serviram para explicar a formação de atratores com determinados períodos na caminhada determinista do turista unidimensional, bem como a não formação de atratores com períodos 2µ+1, 2µ+2 e 2µ+3.não são constituídos. Também neste trabalho, uma nova implementação na estrutura de armazenamento de dados, no modelo numérico do turista, nos permitiu obter algumas distribuições estatísticas para a caminhada, com valores de memória ? muito acima do que se tinha alcançado anteriormente. Com estes resultados verificamos a eficiência da estrutura proposta, e avançamos o conhecimento a cerca do comportamento do turista em sistema da ordem de N. / We may consider the deterministic tourist walk as a dynamic process performed over a landscape of N points. These points are randomly spread on a d dimensional euclidean space. A walker leaves from any point of that landscape and moves according to the deterministic rule of going to the nearest point that has not been visited in the last ?= µ - 1 steps. Each trajectory generated by this dynamics has an initial non-periodic part of t steps, called transient, and a final periodic one of p steps, called attractor. Due to computational costs of memory usage, it is possible to simulate only small sistems, with N ? O(103) and µ << N. In this work, we propose a new implementation of the structure for data storage. The numerical model of the tourist walk, allowed us to obtain some statistical distributions for the walk with a memory value µ ? O(N). Moreover, in this study we obtain interesting and useful numerical results to explain the presence of some specific attractors in deterministic walk in one-dimensional space and the absence of attractors with periods 2µ+1, 2µ+2 and 2µ+3. are not made. In this work, we propose a new implementation of the structure for storing data, the numerical model of the tourist, has allowed us to obtain some statistical distributions for the walk with a memory value ? over and above what had been achieved previously. With these results, we verifed the efficiency of the HL structure proposed, and advance knowledge about the behavior of the tourist walk in the order of N.

Podemos considerar a caminhada determinista do turista como um processo do tipo dinâmico, que ocorre sobre uma rede composta por N pontos. Os pontos são gerados de maneira aleatória, no espaço euclidiano d dimensional. Um caminhante, partindo de um ponto qualquer do meio desordenado, se movimenta seguindo uma regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos ?= µ - 1 passos. Cada uma das trajetórias geradas através dessa dinâmica possui uma parte inicial não periódica de t passos, denominada transiente, e uma parte final, periódica, de p passos, denominada atrator. Devido ao custo computacional de memória, só é possível simular sistemas com N ? O(103) e µ << N. Neste estudo uma nova implementação na estrutura de armazenamento de dados, no modelo numérico do turista, nos permitiu obter algumas distribuições estatísticas para a caminhada, com valores de memória µ ? O(N). Com estes resultados verificamos a eficiência da estrutura proposta e avançamos no conhecimento acerca do comportamento do turista em caminhadas com memória da ordem de N. Também neste trabalho, obtivemos resultados numéricos interessantes, que serviram para explicar a formação de atratores com determinados períodos na caminhada determinista do turista unidimensional, bem como a não formação de atratores com períodos 2µ+1, 2µ+2 e 2µ+3.não são constituídos. Também neste trabalho, uma nova implementação na estrutura de armazenamento de dados, no modelo numérico do turista, nos permitiu obter algumas distribuições estatísticas para a caminhada, com valores de memória ? muito acima do que se tinha alcançado anteriormente. Com estes resultados verificamos a eficiência da estrutura proposta, e avançamos o conhecimento a cerca do comportamento do turista em sistema da ordem de N. / We may consider the deterministic tourist walk as a dynamic process performed over a landscape of N points. These points are randomly spread on a d dimensional euclidean space. A walker leaves from any point of that landscape and moves according to the deterministic rule of going to the nearest point that has not been visited in the last ?= µ - 1 steps. Each trajectory generated by this dynamics has an initial non-periodic part of t steps, called transient, and a final periodic one of p steps, called attractor. Due to computational costs of memory usage, it is possible to simulate only small sistems, with N ? O(103) and µ << N. In this work, we propose a new implementation of the structure for data storage. The numerical model of the tourist walk, allowed us to obtain some statistical distributions for the walk with a memory value µ ? O(N). Moreover, in this study we obtain interesting and useful numerical results to explain the presence of some specific attractors in deterministic walk in one-dimensional space and the absence of attractors with periods 2µ+1, 2µ+2 and 2µ+3. are not made. In this work, we propose a new implementation of the structure for storing data, the numerical model of the tourist, has allowed us to obtain some statistical distributions for the walk with a memory value ? over and above what had been achieved previously. With these results, we verifed the efficiency of the HL structure proposed, and advance knowledge about the behavior of the tourist walk in the order of N.

Considere um meio caracterizado por $N$ pontos cujas coordenadas são geradas aleatoriamente de maneira uniforme nas arestas unitárias de um hipercubo $d$-dimensional. Um caminhante parte de cada ponto deste meio desordenado e se movimenta obedecendo à regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos $mu$ passos. Este processo foi denominado de caminhada determinista do turista. Cada trajetória gerada por esta dinâmica possui uma parte inicial não-periódica de $t$ passos (transiente) e uma parte final periódica de $p$ passos (atrator). As probabilidades de vizinhança são expressas através da fórmula de Cox, que é parametrizada pela função beta incompleta normalizada $I_d = I_{1/4}[1/2,(d+1)/2]$. Enfati-zamos aqui que a distribuição relevante é $S_{mu,d}^{(N)}(t,p)$, a distribuição conjunta de $t$ e $p$, que tem como casos particulares as distribuições marginais, previamente estudadas. O objetivo deste estudo é obter analiticamente estas distribuições para a caminhada determinista do turista sem memória no espaço euclideano, no modelo de distâncias aleatórias (que corresponde ao limite $d ightarrow infty$) e no modelo de mapeamento aleatório (que é um caso limite das redes de Kauffman). As distribuições analíticas obtidas foram validadas através de experimentos numéricos. A distribuição conjunta de tempos de transiente e período de atratores, no limite termodinâmico para uma dimensionalidade arbitrária vale: $S_{1,d}^{(infty)}(t,p) = [Gamma(1+I_d^{-1}) cdot (t+I_d^{-1})/Gamma(t+p+I_d^{-1})] cdot delta_{p,2}$, onde $t=0,1,2,ldots,infty$; $Gamma(z)$ é a função gama e $delta_{i,j}$ é o delta de Kronecker. A caminhada determinista do turista sem memória no modelo de mapeamento aleatório produz uma distribuição de períodos não-trivial ($S_{0,rm}^{(N)}(p) propto p^{-1}$), que é obtida de $S_{0,rm}^{(N)}(t,p) = Gamma(N)/{Gamma[N+1-(t+p)]N^{t+p}}$, onde enfatizamos que o número de pontos explorados $n_e=t+p$ é a grandeza fundamental nos problemas considerados. / Consider a medium characterized by $N$ points whose coordinates are randomly generated by a uniform distribution along the unitary edges of a $d$-dimensional hypercube. A walker leaves from each point of this disordered medium and moves according to the deterministic rule to go the nearest point which has not been visited in the preceding $mu$ steps. This process has been called the deterministic tourist walk. Each trajectory generated by this dynamics has an initial non-periodic part of $t$ steps (transient) and a final periodic part of $p$ steps (attractor). The neighborhood probabilities are given by the Cox formula, which is parameterized by the normalized incomplete beta function $I_d = I_{1/4}[1/2,(d+1)/2]$. Here we stress that the relevant distribution is the joint $t$ and $p$ distribution $S_{mu,d}^{(N)}(t,p)$, which has as particular cases, the marginal distributions previously studied. The objective of this study is to obtain analytically these distributions for the memoryless deterministic tourist walk in the euclidean space, random link model (which corresponds to $d ightarrow infty$ limit) and random map model (which is a limiting case of the Kauffman model). The obtained distributions have been validated by numerical experiments. The joint transient time and attractor period distribution in the thermodynamic limit for an arbitrary dimensionality is: $S_{1,d}^{(infty)}(t,p) = [Gamma(1+I_d^{-1}) cdot (t+I_d^{-1})/Gamma(t+p+I_d^{-1})] cdot delta_{p,2}$, where $t=0,1,2,ldots,infty$; $Gamma(z)$ is the gamma function and $delta_{i,j}$ is the Kronecker's delta. The memoryless deterministic tourist walk in the random map leads to a non-trivial cycle distribution ($S_{0,rm}^{(N)}(p) propto p^{-1}$), which is obtained from $S_{0,rm}^{(N)}(t,p) = Gamma(N)/{Gamma[N+1-(t+p)]N^{t+p}}$, where we stress that the number of explored points $n_e=t+p$ is the fundamental quantity in the considered problems.

Considere um meio desordenado constituído por $N$ pontos cujas coordenadas são geradas aleatoriamente de maneira uniforme e independente nas arestas unitárias de um hipercubo $d$-dimensional. As probabilidades de vizinhança entre os pares de pontos deste meio são expressas através da fórmula de Cox. Um caminhante parte de um dado ponto deste meio desordenado e se movimenta obedecendo à regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos $\\mu$ passos. Este processo foi denominado de caminhada determinista do turista. Cada trajetória gerada por esta dinâmica possui uma parte inicial não-periódica de $t$ passos (transiente) e uma parte final periódica de $p$ passos (atrator). Neste trabalho, obtemos analiticamente algumas distribuições estatísticas para a caminhada determinista do turista com memória $\\mu$ arbitrária em sistemas unidimensionais e com memória $\\mu=2$ no modelo Random Link (que corresponde ao limite $d ightarrow 1$). Estes resultados nos permitiram compreender o papel da memória no comportamento exploratório do turista e explicar a equivalência não-trivial entre o modelo Random Link e o modelo Random Map (que é um caso limite das redes de Kauffman). Enfatizamos que o número de pontos explorados pelo turista é a grandeza fundamental nos problemas considerados. As distribuições analíticas obtidas foram validadas através de experimentos numéricos. Também obtivemos uma dedução alternativa para a fórmula de Cox, apresentando os resultados finais em termos de distribuições estatísticas elementares. / Consider a medium characterized by $N$ points whose coordinates are randomly and independently generated by a uniform distribution along the unitary edges of a $d$-dimensional hypercube. The neighborhood probabilities between any pair of points in this medium are given by the Cox formula. A walker leaves from each point of this disordered medium and moves according to the deterministic rule to go the nearest point which has not been visited in the preceding $\\mu$ steps. This process has been called the deterministic tourist walk. Each trajectory generated by this dynamics has an initial non-periodic part of $t$ steps (transient) and a final periodic part of $p$ steps (attractor). In this work, we obtain analytically some statistical distributions for the deterministic tourist walk with arbitrary memory $\\mu$ in one-dimensional systems and with memory $\\mu=2$ in the random link model (which corresponds to $d ightarrow 1$ limit). These results enable us to understand the main role played by the memory on the tourist\'s exploratory behavior and explain the non-trivial equivalence between the random link model and the random map model (which is a limiting case of the Kauffman model). We stress that the number of explored points is the fundamental quantity in the considered problems. The obtained distributions have been validated by numerical experiments. We also obtain an alternative derivation for the Cox formula, writing the final results in terms of known statistical distributions.