diff --git a/README.md b/README.md
index 9daa829..65ba510 100644
--- a/README.md
+++ b/README.md
@@ -20,15 +20,18 @@ Abaixo podemos ver um exemplo de execução do modelo.
     Total time: 9.995372 s
 
 O modelo responsável pelo resultado apresentado pode ser visto a seguinte da seguinte maneira:
-![](/home/ddeam/Imagens/índice.png)
+![image](https://user-images.githubusercontent.com/47041221/143791919-ebedf84d-4878-4e27-a219-0cc5ebfa0de6.png)
+
 Onde o vértice x apresenta o decorrer das iterações e o vértice y apresenta o melhor fitness da população naquele momento.
 
 Podemos realizar uma análise de como a taxa de mutação interfere no desempenho da heurística.
 Veja a seguir a comparação quando atribuímos os valores de mutação *r = {0.0, 0.2, 0.4, 0.6, 0.8, 0.99}*. Definindo *n=100* e *m=20000*, temos:
-![](/home/ddeam/Imagens/índice1.png)
+![image](https://user-images.githubusercontent.com/47041221/143791935-b4a9cf61-2704-489f-93b1-f759014b8f1f.png)
+
 
 É notável o péssimo desempenho de quando temos um modelo com taxa de mutação nula, em azul, enquanto que com taxa de mutação igual a 60% trouxe bons resultados, mas ainda assim não ótimos.
 
 Agora, quando definimos *m=20000*, *r=0.6* e *n = {50, 100, 200, 500}* podemos vizualizar o seguinte comportamento:
-![](/home/ddeam/Imagens/índice2.png)
+![image](https://user-images.githubusercontent.com/47041221/143791941-8943b9d8-dc74-47e4-818f-25f019819a0a.png)
+
 Onde notoriamente a população de cinquenta indivíduos convergiu bem melhor que a de 500.