feat: adiciona Modelo 2 para minimização do número absoluto de aeronaves

create_nb.py

@@ -272,6 +272,107 @@ for r in rotas_lista:
 print(f"\\nTotal de voos alocados na malha diária: {voos_totais} de {total_aeronaves} aeronaves disponíveis.")
 """))
 
+# Cell 11: Markdown Modelo 2
+cells.append(nbf.v4.new_markdown_cell("""## 5. Modelo 2: Minimização de Aeronaves
+Neste modelo, o objetivo é encontrar o **número mínimo absoluto de aeronaves** necessário para operar a malha diária estabelecida (os top trechos).
+Considerações solicitadas:
+- O tempo de voo é estimado usando a velocidade média real do C-97 em 2025.
+- As aeronaves podem voar até 24 horas por dia (não consideraremos o tempo de solo no chão nesta versão).
+- Se houver desbalanceamento de malha (mais voos saindo de A do que chegando em A), o modelo criará voos de reposicionamento vazios.
+"""))
+
+# Cell 12: Code Modelo 2
+cells.append(nbf.v4.new_code_cell("""# 1. Calcular a velocidade média do C-97 em 2025
+# Converte a string 'HH:MM:SS' para timedelta e extrai horas
+df_c97_spd = df_c97.copy()
+df_c97_spd['Tempo_Horas'] = pd.to_timedelta(df_c97_spd['Tempo de Voo']).dt.total_seconds() / 3600
+
+def get_dist_row(row):
+    try:
+        lat1, lon1, alt1 = df_aeroportos.loc[row['Localidade Decolagem'], ['lat', 'lon', 'elevation']]
+        lat2, lon2, alt2 = df_aeroportos.loc[row['Localidade Pouso'], ['lat', 'lon', 'elevation']]
+        return pm.geodetic2aer(lat1, lon1, alt1, lat2, lon2, alt2)[2] / 1000.0
+    except:
+        return np.nan
+
+df_c97_spd['Dist_km'] = df_c97_spd.apply(get_dist_row, axis=1)
+
+# Filtra voos válidos para calcular a velocidade média
+df_valid = df_c97_spd[(df_c97_spd['Tempo_Horas'] > 0) & (df_c97_spd['Dist_km'] > 0)].copy()
+df_valid['Velocidade'] = df_valid['Dist_km'] / df_valid['Tempo_Horas']
+vel_media_c97 = df_valid['Velocidade'].mean()
+print(f"Velocidade média calculada para o C-97: {vel_media_c97:.2f} km/h")
+
+# 2. Configurar os nós (aeroportos) e demandas da malha das rotas top
+aeroportos_malha = set()
+for r in rotas_lista:
+    o, d = r.split('-')
+    aeroportos_malha.add(o)
+    aeroportos_malha.add(d)
+aeroportos_malha = list(aeroportos_malha)
+
+# Matriz de tempo de voo entre todos os nós da malha (para reposicionamento)
+tempos_voo = {}
+for o in aeroportos_malha:
+    for d in aeroportos_malha:
+        if o == d:
+            tempos_voo[(o, d)] = 0
+        else:
+            dist = calc_distancia(o, d)
+            tempos_voo[(o, d)] = dist / vel_media_c97
+
+# Demanda fixa D_{i,j}
+D = {(o, d): 0 for o in aeroportos_malha for d in aeroportos_malha}
+for r in rotas_lista:
+    o, d = r.split('-')
+    D[(o, d)] = voos_requeridos[r]
+
+# 3. Modelagem Matemática (Pulp)
+prob2 = pulp.LpProblem("Minimizar_Aeronaves", pulp.LpMinimize)
+
+# Variáveis de reposicionamento vazio Y_{i,j}
+Y = pulp.LpVariable.dicts("Y", [(o, d) for o in aeroportos_malha for d in aeroportos_malha], lowBound=0, cat='Integer')
+
+# Variável de número de aeronaves N
+N = pulp.LpVariable("N", lowBound=0, cat='Integer')
+
+# Função Objetivo: Minimizar N
+# Para desempatar soluções com mesmo N, damos um pequeno peso pro tempo de reposicionamento vazio (para pegar o roteamento mais curto também)
+prob2 += N + 0.0001 * pulp.lpSum([Y[(i, j)] * tempos_voo[(i, j)] for i in aeroportos_malha for j in aeroportos_malha])
+
+# Restrição de conservação de fluxo para cada aeroporto (Chegadas == Partidas)
+for no in aeroportos_malha:
+    chegadas = pulp.lpSum([D[(i, no)] + Y[(i, no)] for i in aeroportos_malha])
+    partidas = pulp.lpSum([D[(no, j)] + Y[(no, j)] for j in aeroportos_malha])
+    prob2 += chegadas == partidas
+
+# Restrição de tempo (O tempo total de voo da malha não pode exceder N * 24h)
+tempo_total_voo = pulp.lpSum([(D[(i, j)] + Y[(i, j)]) * tempos_voo[(i, j)] for i in aeroportos_malha for j in aeroportos_malha])
+prob2 += tempo_total_voo <= N * 24.0
+
+# Solução
+prob2.solve(pulp.PULP_CBC_CMD(msg=False))
+
+print("\\n== RESULTADO DO MODELO 2 ==")
+print(f"Status: {pulp.LpStatus[prob2.status]}")
+print(f"Número mínimo absoluto de aeronaves C-97 necessárias: {int(N.varValue)}")
+
+tempo_gasto = sum([(D[(i, j)] + Y[(i, j)].varValue) * tempos_voo[(i, j)] for i in aeroportos_malha for j in aeroportos_malha])
+print(f"Tempo total de voo diário (incluindo reposicionamento vazio): {tempo_gasto:.2f} horas")
+if N.varValue > 0:
+    print(f"Taxa de ocupação da frota (Tempo Voo / Tempo Disponível): {(tempo_gasto / (N.varValue * 24)) * 100:.1f}%\\n")
+
+print("Voos de Reposicionamento Vazio Gerados (Y) para fechar o ciclo diário:")
+gerou_vazio = False
+for i in aeroportos_malha:
+    for j in aeroportos_malha:
+        if Y[(i, j)].varValue > 0:
+            print(f" -> De {i} para {j}: {int(Y[(i, j)].varValue)} voo(s) vazio(s) | Tempo de voo: {tempos_voo[(i,j)]*Y[(i,j)].varValue:.1f}h")
+            gerou_vazio = True
+if not gerou_vazio:
+    print(" Nenhum voo de reposicionamento vazio foi necessário! A malha já é circular/balanceada.")
+"""))
+
 nb.cells = cells
 
 with open('modelos.ipynb', 'w', encoding='utf-8') as f: