نقاش مع الأساتذة الأفاضل وخاصة الأستاذ النشيط/ أحمد قرني

[اسماعيل سودان]

جملة For … Nextمن الجمل الهامة في لغة V.B. Net وكذلك في معظم لغات البرمجة ولذلك سنتناقش سوياً في سؤال مهم في امتحان الدقهلية وكذلك في امتحان بني سويف ، الدقهلية :عدد مرات التكرار في الجملة الأتية For X = 2 To 10 Step 3 يكون ( 4 - 3 - 6 - 5 ) وبني سويف : عدد مرات التكرار في الجملة For X = 3 To 8 Step 2 هو .....
وكانت الاجابة للاستاذ الفاضل النشيط/ أحمد قرني هي 3 للسؤالين ولا أعرف هل نموذج الاجابة الرسمي 3 أم لا ولكن لي تعليق بسيط وهو : أن هناك قاعدة وهي ] عدد مرات التكرار = عدد مرات التنفيذ + 1 [ فهناك فرق بين عدد مرات التكرار وعدد مرات تنفيذ الامر وهنا المقصود بها Counter أو العداد كما نعلم فالعداد يأخذ القيمة بعد القيمة النهائية للتنفيذ ثم يخرج من الحلقة وأما عدد مرات تنفيذ التكرار فيقصد بها تنفيذ الكود بينFor ، Next وهي اللي بنحسبها من القانون : القيمة النهائية – الابتدائية / مقدار الزيادة + 1 ومن خلال هذا التوضيح من وجهة نظري تكون الاجابة 4 وليست 3 لأنه سأل عن عدد مرات التكرار وليس عدد مرات التنفيذ ولا أحد يقول لي أنه يقصد عدد مرات التنفيذ لأنه كان المفروض يقولها صراحة ، وهنا أذكر رد للاستاذ أحمد قرني على أحد الزملاء كان أرسل له مسألة في جملة For … Next وكان رده مايعني 4 وإليكم السؤال والرد ( مقتبس ) :

for x = 1 to 10 step 2
القيمة الابتدائية للعداد هي 1
القيمة النهائية للعداد 10 ولا 11 ؟
قيمة التزايد 2
الكلمة التي تدل علي بداية التكرار For
يتم تقييمالعداد عند Next
انا عاوز حد يقلي القيمة النهائيةللعداد 10 ولا 11 ؟
رد الأستاذ/ أحمد قرني

اخر قيمة للعداد وهى القيمةالتى انتهى عندها التكرار وتكون مخزنة فى الذاكرة وهى x= 11

واضح من الرد عدد مرات التكرار هو 6 وليس 5 ولو أخذنا نفس الرد يكون الجواب 4 وليس 3 ، بلإضافة كتاب الفائز مع العلم إن فيه بعض الاجابات الخطأ على بعض الأسئلة ولكن اجابته على هذه الجزئية أعتقد انها صحيحة
هذه وجهة نظري وإذا كان هناك تعليق أو رد فمرحباً وأنا في الانتظار.

[أحـمد قرنى]

اخى الفاضل التكرار او عدد مرات التكرار هو تنفيذ الاوامر التى بداخل الحلقة التكرارية اى الاوامر التى بين كلمة For وكلمة Next مثال For r = 1 to 6 step2
عدد مرات التكرار هنا 3 مرات وذلك عند القيم 1 و 3 و 5 اما عند القيمة 7 يخرج لتنفيذ ما بخارج الحلقة التكرارية اى ما بعد كلمة Next اذا فهو لم ينفذ ما بداخل التكرار يعنى لو وضعت Msgbox r داخل الحلقة التكرارية هيظهر 3 رسائل فقط رسالة بالقيمة 1 والقيمة 3 والقيمة 5 يعنى 3 مرات فقط

[اسماعيل سودان]

أستاذ أحمد اسمحلي أختلف مع حضرتك كما ذكرت من قبل إن المقصود من عدد مرات التكرار هو العداد ( Counter ) وليس الكود وتاني بقول لحضرتك دي قاعدة اخدناها في الكلية من 22 سنة وهي ( عدد مرات التكرار = عدد مرات تنفيذ التكرار + 1 ) وأعتقد إن القاعدة صعب تغييرها فهناك فرق بين العداد والكود لأن العداد يأخذ القيمة بعد أخر قيمة تم تنفيذها ثم يخرج بعد ذلك وانا استشهدت برد حضرتك على الاخ اللي سأل وبالمناسبة رد حضرتك موجود في مشاركة في الصفحة الخامسة بعنوان ( هاااااااااام جدا وارجو الرد ) ورد حضرتك واضح جدا وهو ما يعني أن الجواب 4 وليس 3 وأيضا أن نزلت إجابة لمحافظة الدقهلية وبها الجواب 4 وشاهده 80 ولم يأتي تعليق واحد على اجابة الامتحان وايضا كتاب الفائز منزل الاجابة في أسئلة وردت بالمحافظات ( أكثر من سؤال ) من قبل بما يعني 4 ، وبقول لحضرتك الغرض من ردي ليس الجدال والله ولكن لكي نتواصل ونقنع بعض واعتقد ده الغرض من المنتدى التواصل مع الزملاء وكذلك الطلبة فأرجو اللا أكون أطلت وأثقلت على حضرتك

[magdy3030]

الحالة رقم 4 ليست مرة تكرار ( ومرات التكرار تعني تنفيذ الاوامر المحصورة بين بداية قيمة العداد ونهاية قيمة العداد ) اما الحالة الرابعة تستخدم لمعرفة قيمة نهاية التكرار

[اسماعيل سودان]

من كلام حضرتك يا أستاذ مجدي4تعني القيمة النهائية للتكرار ، إذن 4 داخلة في عدد مرات التكرار أما عدد مرات التنفيذ ( تنفيذ الكود ) كما ذكرت حضرتك تعني تنفيذ الأوامر بين بداية قيمة العداد والقيمة النهائية وأعيد لحضرتك القاعدة التي ذكرتها من قبل وهي ليست من اختراعي ولكنها قاعدة موجودة بس للأمانة أيام مدرسناها كان صيغتها بالضبط ( عدد مرات الدوران = عدد مرات تنفيذ الدوران + 1 )
" وكلمة الدوران هي المعنى المرادف للتكرار " ، أنا اختلافي أنه إذا أراد عدد مرات التنفيذ فليذكرها صراحة حتى لا يحدث بلبلة بين الطلاب ودي ظهرت في اجابات الطلبة في امتحان الدقهلية

[أبو مريم2008]

المشاركة الأصلية كتبت بواسطة اسماعيل سودان

من كلام حضرتك يا أستاذ مجدي4تعني القيمة النهائية للتكرار ، إذن 4 داخلة في عدد مرات التكرار أما عدد مرات التنفيذ ( تنفيذ الكود ) كما ذكرت حضرتك تعني تنفيذ الأوامر بين بداية قيمة العداد والقيمة النهائية وأعيد لحضرتك القاعدة التي ذكرتها من قبل وهي ليست من اختراعي ولكنها قاعدة موجودة بس للأمانة أيام مدرسناها كان صيغتها بالضبط ( عدد مرات الدوران = عدد مرات تنفيذ الدوران + 1 )
" وكلمة الدوران هي المعنى المرادف للتكرار " ، أنا اختلافي أنه إذا أراد عدد مرات التنفيذ فليذكرها صراحة حتى لا يحدث بلبلة بين الطلاب ودي ظهرت في اجابات الطلبة في امتحان الدقهلية

تحياتى لحضرتك استاذ اسماعيل

يجب أن نفرق بين هذه الأسئلة:
1- ما هى عدد مرات التكرار (عدد مرات تنفيذ الحلقة التكرارية) ؟
2- ما هى القيم التى يأخذها المتغير أثناء التكرار ؟
3- ما هى قيمة المتغير بعد انتهاء التكرار ؟

مثال:
For m= 1 to 6 step 2

1- عدد مرات التكرار هى (3)
2- القيم التى ياخذها المتغير اثناء التكرار هى (1 3 5) ومنها استنتجنا عدد مرات التكرار السابقة.
3- قيمة المتغير بعد انتهاء التكرار:
فلها قانون ظريف وهو:
(أخر قيمة يأخذها المتغير أثناء التكرار + مقدار الزيادة)
( 5 + 2 ) = 7

وأخيرا::
هناك جملة فى الكتاب تحل كل هذه المشاكل:

(يستمر التكرار لحين الوصول إلى قيمة النهاية)

[هناء و شهد]

في الحقيقة اننا لو فهمنا طريقة عمل الجملة for...Next وتحويلها خطوة بخطوة الي لغة الآلة لم نحتاج الي حفظ أي قوانين ويكون الموضوع اسهل بكثير ، وسوف اشرح مثال
for x = 1 to 6 step 2
sum=sum + x
Next
1- عندما يجد المترجم كلمة For يضع قيمة البداية (1) في المتغير x (مخزن بالذاكرة) ثم يختبر هل هذا التكرار نهائي ام لا واذا وجده تكرار نهائي يدخل داخل التكرار وينفذ اول مرة تكرار وتكون قيمة sum=1 وقيمة x=1 ويصل المترجم الي كلمة Next ( وظيفتها الرجوع الي بداية التكرار- زيادة قيمة المتغير العداد بمقدار الزيادة - مقارنة القيمة بعد الزيادة بقيمة النهاية واذا كانت قيمة العداد اكبر من قيمة النهاية ينتهي التكرار اذا كان مقدار الزيادة موجب اما اذا كان مقدار الزيادة سالب ينتهي التكرار اذا كانت قيمة العداد اصغر من قيمة النهاية)
2- اذاً قيمة العداد تكون 2+1=3 =x وهي اقل من او تساوي قيمة النهاية فندخل المرة الثانية للتكرار وننفذ الكود sum=1+3=4
ونصل الي next ونزيد العداد بمقدار الزيادة فتصبح x=3+2=5 ونقارن 5 مع قيمة النهاية نجدها مازالت اقل من او تساوي قيمة النهاية فندخل الي مرة التكرار الثالثة حيث sum=9, x=5 ونصل الي Next فنزود 2 علي قيمة x فتصبح x=7 ثم نقارن هذه القيمة بقيمة النهاية فنجدها اكبر منها فينتهي التكرار وينفذ أي اوامر بعد Nextملخص هذا المثال
1- عدد مرات التكرار 3 لأنه يستمر التكرار طالما ان قيمة العداد اقل من او تساوي قيمة النهاية( عدد مرات تنفيذ الجملة sum=sum+x )
2-القيم التي يأخذها العداد هي 1،3،5،7 لان اخر قيمة 7 تخزن في x ثم نقارنها بقيمة النهاية فنجدها اكبر من قيمة النهاية فينتهي التكرار عند هذه القيمة x=7 وينتقل لما بعد Next
3-آخر قيمة ينتهي عندها التكرار x=7 وقيمة sum بعد انتهاء التكرار هي 9

[اسماعيل سودان]

تحياتي لحضرتك أبو مريم
في البداية بصرف النظر عن تحليل حضرتك اللي أنا مختلف معاه في الجزئية اللي بين قوسين " ان عدد مرات التكرار هي عدد مرات التنفيذ " أبدي اعتراضي على استخدام كلمة ظريف بجانب كلمة قانون فالقانون قانون لا يُضحك حتى يكون ظريف أو يُبكي حتى يكون كئيب ويمكن أنا ذكرت في توضيحي قبل كده إن في قاعدة درسناها في الكلية ( كلية علوم قسم حاسبات) بتقول: عدد مرات التكرار =عدد مرات تنفيذ التكرار+1
والكلام ده كنت بشرحه من 22سنة أنا خريج 1992 أيام اللغات Basic & QBasic & GWBasic ودرسنا في الكلية قواعد البرمجة واعتقد ان الشرح والتوضيح والمثال اللي حضرتك ذكرته معروف للجميع سواء مدرسين أو حتى طلبة لكن اختلافنا الوحيد هو اللي ذكرته لحضرتك من قبل وآسف للإطالة

[caro2009]

انا مع الاستاذ احمد قرنى فى عدد مرات التكرا الامر (داخل الحلقة التكراريه ) وراجع كتاب المدرسه 2013 فهو يرسم خريطه يقول ان عدد مرات امر التكرار هى ثلاث مرات فرق بين عدد مرات التكرار وقيمة العداد عند انتهاء الحلقة التكرارية

[caro2009]

برجاء من الاستاذ/ احمد قرنى والاستاذة الموجهين المادة الاجابه فى موضوع عدد مرات التكرات لان كتاب الفائز 2015 واقع فى نفس الخطأ صـــ19 عدد مرات التكرار (عدد مرات نتفيذ محتوى الحلقة التكرارية ) (4) مرات قيمة counter المطبوعه عند انتهاء الحلقة التكرارية هى (3) هذا هو كتاب الفائز رغم فى كتاب المدرسة 2013 يقول عكس الكلام
[IMG]http://www.thanwya.com/vb/data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAArwAAACdCAIAAAD ZtzyuAAAgAElEQVR4nOy9e1BTWdr/+1SdOnXOX6eqWwgdR+05P+r9vee8nfq102kVse1OvzNNz5huRe w4o2calbaNGpUelWC6RfHWItEoinLRKHLxQtiAFzCA4SaCwagg YBpRm6E19rz8fkWlqKlUitq1zx9r72TvZOeeEHDWrs8fsrP22s 961rOe57vXDgj3+18s2dP08Nn4L/+LwmAwGAwGg/EE3LjzZMmepqjbgcFgMBgMZooD19r6luxp+uV/UhgMBoPBYDBegOrm3iV7mkb+J4XBYDAYDAbjBSCae7BowGAwGA wG4xOouo1FAwaDwWAwGN/QouHvoxQGg8FgMBiMF7BowGAwGAwG4xe0aBgepTAYDAaDwWC8g EUDBoPBYDAYv8CiAYPBYN5AXvR3ZK0UAcgL+yeibgzmjYEWDT//F4XBYKYrzw3y36aqLpiMv0bbEswU4dfhgtUy+QXzQNQtwbxZYN GAwUxfRiu2JiZsLTiyNQkAAKSqprEQehu7vjc5Yau2ossa7XFh QsfWfEIGAACilReGn0ffHswbAhYNGMw0hRxo0iQAAAgTtuapVo oT9hqDeqwkB5o0CYnKIyeUdG9B9oOZQjx/XLs5vbjgQkvzzyRzkuyrVv37XtOziNxxtGKrTNU0HsERdWkXry SM0XYshhYNL/6LwmAwL/6LevHcsDnd8DjqZvjDr5ZrF9Qpv1VVPCdD6MScIxECACQqc04o FyRqrv0cQm94jqYOrl4ardgqBkiSnzLe+zX895LHASQq1U2WZy F1Ze+6oJizUl3g2s/Ytb1SiEvdrUfnyf6mkpym8eg7+V8PRjT8g8JgMC/+QT4mVAKQ5XTaom3JpGG/10ioVkpWnh9+Fn1j/CFcc0T2N2oWJCrVjZZpMvCAsHedV3C89MwgjwN0zNlrGgr/jKBDomocD7qrZ73EyjgAAMFqous166NXJtVvUf/xKedHXrw250hEKedHou3kSPLanLM679oLMvqWcMGiATPleWEu2 FFy7dWk3Os1euwWy4nRoHqg61AOMdg/qV6yGU4WVzybcvnFJ88em4rOqVP+XzVrfseu7U1esEVb0WmNzB w5GK3YIkaFSLDF8DjarggztJfinZX1MZFC13WfrrN3nVfMWakp 9TQFrkzcOy+n+45ThRaHVgOhlScmqxrHOOdfGFWJQocoedapXR x+6TO1eNapXQzCBXuNk5tJfEOLhuf/oDCYKcjQ48ZNiUKQaG+/npw7jtXulaJHsacBXfjanCMRL9+bJ0epLVFT+4KcPEc9M8jj5G ceT4TQCdl3t2R5HEBidvlju7+z06ldnKhUN1qGgrhdpyFnSxJd aX6rrn1FDXVqF8el7jqmXAAAIFyw19gX3jnicZqziE7eZE0S7l 6y3T6Ovhopy+m0ebv2hXEXXaGFi4+b/Zrc18xLrvAsVbKvUbN4pTqfGHTEwNNG9RwAiFOVP5voRRsbK4m u6Ps5QoyW04rW12RNOlg0YKYutGIAEGwx9E7aTZmHmEAKkr3zv EIAACBavjdPnpi8q3GMp9kr0y56ixU8ZWR0d9bhlxQY6tQuBsm uxvHgB+5I+gCC1USnX3nfkdcCnSBr0/E0AXuUv1XX/jJ8ZrUIAADpBq+qK6g5st0+vn0T8ZLj8BeD5ceVi53jtd4mtLT sA9HyvVfKO61e+5zocjxh8x6/Vde+8mrVY2I53TR++fmR4KfPPy+huuvTb6wg9L9ijdfulUCIQf gPpFek8uMFPOL7MbGc8RJtoU/3Tl+c69GLeo4OtGh49iuFwUwtnvcdlokgLvWHW5ank3nfXmI5w Jw9psHArB0s0ygXrybuWny0fNpZsjwxkS6ZEm0Tp72tKe9w5g+ raUmhMfs1cIulNk+5AOKXnx8JdtRkT5VKAOIN52szE4UA4g1Vo 76vGjJsYJ7U/Wrv9ABTk+JSM88Sp6sGH/9KPfuVfNxpOLxFJjs/7HvUwczRaNkWMYDscKfNgxtflm1jdj6chzSzYcyX/82H6fwuP907wZy3NlVpN/xBU/vSH8/ToiHY6fPbS73Ecp6o45ujXtPpPalzthh6/L0d0k9+By0/tiYN2gtJ2qAp2JCYzHH+S1Pmu8xwXpoy3wWIU5UNkWF22lSBfN ygWUAvk6k1TCwaMFMT+1362R0ARMv3XCnrtE7SrYMTDQH0fyPz bB1TZrg16bnxhz2NjfTDq19V5Glvxw8yEXJTCDaPlm0RQ5yqbO ifKGsL/KwWSK/4UYTYDDao56Bp3dfRFciFIc0RI3E8DA3FGzfSLJbaEqKwwadmH Tkti3cTDdSzX8meay3XfYgGhzcmRTSwa63FUntevRz5RJZP9Np DvB0aCHIv0hyCwGeZFiu84huJMxnR5fS5Zwn4q72rgchklobb4 eVCP6Blemgx7Bskc0O2Ntxg0YCZmjgWDAT22O2J5+bTW5IAQCA raXzOlu3k446S5XEAcWmHO6zPfqWrSyAFaax2j5K1qsmeqoOrv Dwu997IPD/IPFGxaxjZU3V4U5Wly2/R8LSHkMUBQNKGs1cynfnUHfJxJ7EhUShwzcWMqfSzsuxwQ0sm2 hZ+V+3rEZmPoZbMfcbHPB9ZGzVpAsb5zp0GEC7Y1siXc0fLtql O93guY17mCE10nML18l7mRYDLc9tQS+b2xq6X5sMSYZCjdhcNF vPRvIcc254Plp2lKzRA0oY8o2PUbqLB2nRetQAAElWnO5+VafS OOWVVYk4PgXgJmSo/1dDyg0tBpZUf+bhTT9fauNTM86YAKiLysKyi9lY+M1LexUv2VO VtqXrp33JmL67Rsi1iZo7Ga/dIPG9xsR85+A4emesacoMN6jl8C4ot0wEAQMTZGxsybEr1tN3o iBP+wz2emZUSAUEZArRoGPqVwmCmFs8HSzXMd+K2NXZaQunKSN dCAABJZsO48yOL+UfWu/wOCzXE7IL+xO7hpSnzXfnp3glWt/bOqsMbzo8M9hCyOPGGqlHm/GjpFjHEqUqHSH5jem9knh8ZcuztO1uOlu4prnlu72REQ/L5Ea/jGqvZI0V5c7C3cWOiEN5V17zkaTlIaws6wQ06P2JMHRxwOIE5X AbrD+SjKpUAZD922lwN6NR+BGwDrA0ax3cahAv2GHtduhoybIg DwRbDI0/34p2jX6khy/Dp1SLObHLmK3uBawAgm6WZlVc3xAHa+Ak8wDiiYchiqclTSti2 Iask2iYL2UvvOTsn4idGNCSfHxn6FTWQZjaMDVksxL5UgYzoZM dwoqbm+URvg2YBr998e2m8Zo+Ednxc6ve3LIMOjQKyHzv/2dtRksyt9wu2EE3PPUQy3+1o58vyiV77EKPUUZFmWtqaNDJI1N Q4uvV3caGXF6jlROd5ucc1YjH/+Ie0zLMtTc/HmNEBxCUnp4g9Om3IsCGO7VLyUZXK6XzmZC8S3/ToBkuQhnOODoUTOxvwxolH0eAaz2iF8n8UNRjR8JrCYKYeYzVZ UoGspOEZGXwnr4ZPr2I/Gch+vGtjPiUf6VSCOMXpO+2ZiUIA+emeiaFfTJnvgkBheMTu5K lhQ5z8dM8Eq1vzjxJRshbtGcQna0dYLQFAkqkf57en50amdmTo 9WipAm2lCD/SmAdfU0NPW77PMw++nujUMqLB0Scfg48cUoA54lSlT90c9Wr49 CrxR0dvnEJOkGibXlFuplp77xIb6K+eKQ9mpQq82I9u/QdWPzRoRMxwuOcFq3QN9ZoFACAjOl9TQ6+tTfUtJfvo5+aNupe sS8hHOpUAAN5V1/ziYfi8c/Ta3qFVCCT5JWfRUyZ7op3hBCDeoBvl2gxzdqn/hgpeoqYm4GDjKQZzskw/MQ1+0iNZIPvxrm2oh0jmNmA+RdONZl+UvK+j8xU19Gr49L66zt fU0Gv6ZT991S/0Wwae6fbhpfGaLAkAQFzaj3eszEnUOWvGnzn0OlIA/i3AX2jRwGn/yvyjRMidSuRz1iz4u7hQYNB2/qRXz+EJNjaMNo1Lzbw62Pt6tFQh8bCm3EPO1qSRMbFK99akVS1 wGR0asvMqJpxYsx8atGHh6zAMYNGAmbLYO7QKAU/q9+dC1UY6JdGrTiBTn9ZbBp8ZM1eVsKrdeE2WBN5V1/zCypsoEXDyBbKEm9eeGjbEiTfo/tGr1yzgrGrU2HPJp0UDNXiXef6WaJte2Zo0WT/etQ35KxocXxlDh/CDxEQBpxzSDN7VfgSSTP04czu2Pz2Y2kMkexENr4ZPr5LItMNu yZpb2Bz8Ysp8F+ZkmX7iqR+OtK44/cjOvYUIXBzu1id3juj65LwRX0UZvKv9iDtepL0EirJTCrF7jRz sMRVodT8qZHzjdcDaaeiZGHplqclTSthOeGbMTBTSY/QhGpxRIZBpSu5a2UNzfTL1uTSQl5wykWSkoTRTP+Y2cS4zTvbe ce46CFYRHa4a0QW6prqqLp5JR+5yzE4Ai4s9fchRnqspia6FxO zSHjtzX5FHkeEScmjKHAH2ykIggesyOiS7WaOjpbxLZIZCD5E8 NUXD09cUBjO1eGr4Ng4ARMlZFfm6wR6/L/zpEfGXr4k7r9CPo6UKMUi0ja94G4/ky+IhLu3HO2MPdSoBSJT68ae/mJTvAsQp8h/Zn76mnr62363PT44DANFX2uGf0IWvLFX7UgUgSs4iqh/1oFpldnT7zKhMFCVrR/gt7LmhRB85K4FUWd9xZHvtnVfU09cTd1miwfMw7Xf1dfln1ciw 5H0ddx8RyQCCVY6BU09fkz13iW8ThQDC+QptaVuj8l0AEH+rG3 3q3dQeIhm5gue+5EOdSuDJn08N38YBxxV0byCQleif/aNUIYZ31dW/sK+y6jVpAhDOzzKyppjs0Wvmgzy/Z4J/+K5zRD19Zs5XJKGdkh91ptIsCQAIFAZTj6lIb/mJc6GLY0dLFWKQVTbqNfOdz9bqkxql40f0TO95LkbyGdHAGDxS pO0xuzR7NliqUSXLVs9nRANqYGaJBm68AUDSt1pzj2O84OZb73 C8ZG3UquYDN4yRVXQUuc842cPWDTLNhbtW/hs5nM+ekddkz92Wk1mp6AmeNenkQ+bp2Rzo4mIHGFNN+R2CFhf HnpF8WTwkqvL5R4Gskuf3THCHY+u5q1fSX/JwGZ3hR9SMM7qx6iwpyIi7/k+TH5MY2LxHGCwaMNEF1QxUVDh5mUmmnOcqPzocq85KV+rHmB8 dCZ1+IucWJ5dPUd50ORnc4bnkO0QDkz0BQJAo20HXcj9Fgxv8D 6NBHx5Ew6vh/FWJng0bLVWIeUVDUIdn0eDnHMmuEFqvf0fBr8MlZrwY48lgujQ KVhF3Hjl3GjyIBurpa+qnHuMRVJBQ2DOiwbP8DcFLARxuUeHn5 LooxVd960MwgiUauAqYxU93tR+B8CON+acIesPzEUbR8HokXxY/JUWDhcJgosAIkw1RPmJ99NND4iv2O/tPtI0v/ehw0PDt/6OuHnGcsd/Vl367kFVNvyLuOtvbGo+xN/mRDS4nAQAgLnH+vIBKcnzyuRF+C3tuKB0fDRmVyLY4Vekg+dRC PbVM3D0n99EDP3xmB3+4TgdjPLMJwW/DeHWWZE6Wycw++dL84yfBqRl5fs9ESIP96gpxLgTRsFD547na0 g6rL8+P5H/FEg2un6JdE6Bdyno9gbzkFA3nRp5aJu5eKM5/aH9qoZ5axqqzpMxEOL4BI/uxwxalkACeqPBfNIywDXuhZH8a4OKiXddDJHv0Bhq4y6eBeUOw UPKB/61dDk6SCZHx6ixpgKkgstCiYdBCYTDRwHrrWJoAQPBVya0h0uV Tc4/pzDkiLytVACBQGB740eETvXr2u2pihOcjc48xR5E0O8v0hH1+y HxK4fiTPrJDHbZBCzU41HfoK2cWE3yludAx9qiD4IiPuFRlMXH qXPG3C3nTRnzyuRE+C8lH+ryvjpnN9I+2hmMyAOFHrmeAe9I/hvoOfcX9PbqFyhy9xWyxd+jrPJvKe0iU+nF+94JwfpbxEZ8B5p 5G+UKhq4ctpKvr/D3kp3omvA6W3Tjp2xPGjpcoZnSH0Jx+RbS7SE8fh3C+ovjUOeL UBVPHS7/d/tJ8iFZFTPxwcEyo+FvdPx4xL0GYeCYf0LtNKGAmOs7JBV9pLnR YBy329nMKQZzq4iA5aKHMzECYlWJt0LU3uC0ZX14K8XCLCr9FA 2dJDuqdb4ICX1wowJ7o1f99FdHOP02jFxVinvgZGryAXpf4OIT zFUTD0FjDOdV83435jq+IjoBWrjfGiaxU3sUYLbBowLxJTHSck wOIko/1OaoaW3kAAMD3uh479yornR0+0Tb4XyqCwLmtAo6MZn5IfBVHF 5snevVs1/TjtXBOOoyFwvmK4jN6i0PTmHtMZ4rVjvffydkdrkWXFmeBK6Ep DYo37uGmWZGWQt8sudg+cHFrEgCj5zhFV6LUj3VcqLj40EzXto WqUx1Wph/yUYdeSYtCUXKW3rdimKKMEVnSCEfCyKmv4qfa2nljwKIB8ybhe G7jPYTzs9oa6vKTP0HP39Sgxdqgu8IkYqlSPxZt+yfVV4/0mvkLlYd0g7zbBvwMom+nejlkh9pf6LLTPlKUEkicDQ1edOiJh RpiupY6TFiwd+iy5wNAnOLUQ3vE7oJEg/hb3ajPxuaHxFfOhBAaQ0blQum3xwzTVs/5BS0afrJQGMwbwJOHxAreqrZQeUg3+NBC/WQhH3YQ6113y5PkupdPom38JPHSfOgT8bKsPNoJCzVVQ6Tfl9v bziliPSoG0bJjfQ8t1E8Wq959a3dhdkmPPfrDx0wSpEl3cAUdD wj7HaQYIr7cRkvQV0B8x/ZYVZYUhWeswmAK8nY2/TFZ7FeHD9AvOqUZ+rFoOz+CMKLhFYXBvBHY79wiMpyv9kXLdle cqhx86NLsF0vVCfp36mK/0py/Y4222ZPnn7azqOqLlu3OW78wOePWWIA9kA/vtJw6puRqgqT1x3Snb1mesFo+eWQ8vDmJmQW9/ikZ7bFjJhn7nVsVGbsrqh7Zf3o6eH53aqxDWUb2vjY9853H2K9 K6r0E3i+O76OIVpwdfhLU7Z48oB9UYr86fGCzdP5uY4RHF2Vo0 WB+RWEwmH8Jng6WHFMu+gvR9ku0LcH8K/CLpep8Mb2tFZe666ZlIPI3HbijXcRVtCcrBx94Mu+Ecv4n2lvB LwfrrUrt+k/STz6wR9/bkQeLBgwGg8G8YYxV7ZZ6fI0GAAtVJ+9Yo23ktASLBgwGg8G8c fxiuZqdyvf9G9Gy7I52vM0WLLRoePKSwmAwGAzmDYI0tbfkHVX OY20w5LVbo23V9AaLBgwGg8FgMH6BRQMGg8FgMBi/oEXDwEsKg8FgMBgMxguMaPiFwmAwGAwGg/ECFg0YDAaDwWD8ghYN/b9QGAwGg8FgMF7AogGDwWAwGIxf0KKhb4TCYDAYDAaD8QIWDRg MBoPBYPwCiwYMZtpBGltbjhcVr9+UV9xqjbYxGAzmXwhaNDweo TAYzHTAdkO9fZ36xhWTPdqWYDARxd58Pf9LAcAKojn6xmBoGNH wdwqDwUwTyHutLceLitclJK67PBptYzCYiNBjJJZ/rDreao26JRg2WDRgMF4g793UJK5QH79p6ZnEO36YoDzo8Y62G7 mrP9xYfLyo7sp9e7T9g8FEjJ/N+z4WAgAIFMeNONSnCrRo6P07hcFMAWzXc1O/LBrh+8jeVKSYtUKtuWl5FIbe/ONnczZKWwCxGw13J8EDPw9r/iya1DtiIk7IcfiviL2p6OA3uTrN5cGu6BuDcYJFA2Yq8bM5+2N h7ApNUau19+9Ub7/hGwVTOPsN6wQAALF/Jpp+9q83s3F7gjB2RX7FfXvv36nev49dzi69/ML7VZw2j1q1ifR/qSvdfnNsMjzADBNAvO7yqNfGo2cVh8/2k66Xv5u6vchk8NNFkw1597IqQOUXRfwJGD8IJg4D6z8z9+HD6 LsrArzBQ5u2YNGAmUKwirQsu/Wfdy+rYkGW3Wrr/TvV+3fr9cvadQnJ/hfvhzfVs+je5Jr7E49atYkg19yf8GUAt415sOj71Fn+K5XQMQ+ ezVUm+rxjv2GdQJiYa370d6r372OXv5fGrji8Z2MS4z1b1GeTB +fOjcPyqYs/AeMPQcRhINiu58pgBWGItrsigL2pSBEbwaGRXTc1HyYoD4RHwo a1t5/NBxSltWbmkeCFafu/q1yfEKIELRp6hikMJuo8uMGkV4GquHcg+2MhgHjdpVFWG7Lzhu bDBGX2pcFOH72RnTc0H6Le5qgvPbddy5UBSP52Y9zzJf60mSIg UyF2o6FjmHrYol0IACD8cGNB9kbph98bfTknOjB2AoD0bzfGom 6PHx72HQwPu00nzqi/+Hf1peeOk2OXvk/+cKO2uMUaVBwGwgtz9sdCmMO++5tCmIfmnjpGizeKHa8CO9DJJ 8a/JUjX5RquPSED7J+vt2BBKyU2Jb+8294zbL99KftDkB/rnoj+pAxj0YCZWtALL3ajoWN47NL3UgCY9b3pwTBazOIvvs9bl yAEAEjQXPK9qscvfS9hekM9x39ROOLr7t7bRJ4nfdkpIoCkby6 9fOixGVOKUEp9YblUqP5ijqq4P9BMN/mjGyz8PnVWyFk18vgMBrKzxZBNb+3QE/GwRbtQkPq3w8oPkYaj1VugcehxxhemqI/dsHCign6fNVUqSjC8MGd/LF131Hj7Bfd8uIb2wpz9MV/qYL8KvPTyWq4sNsWxVxe4qOX0NhqwkRzoRwLOIZgqq5sWDY+GK QxmCmCrzZUByPa22B4NUw9atAsBZn1vMg3bGwoVsQAAoi++z1u bkPzdjTE/eptoKpSjpMP0jHrzfneeNg9aSpIVjU0v2C3TvsjqYJ0JrwdQml AcM9o9tnxh3vuxEOaoK55HfdbeSLwHjLUmNy2WndPnqCuGho+h L7EKUr87rPwwQVPxhHw0TAUeh1yeGL9LkK7NLVjL1DymW+rRMB MGIPnuxnh4PeAW8w63bP/m0ssHTvMGi3OV9FaKIPW7My21bPN8Q965pIpl1cVwD81r6ngyW JyrXPhn4lYXkYy+MpVyOGuj9MPvjXeDuBfTW0OoacG5aeE4YsP QbXjAogEzpUAZRLz20uijYepRN/GFI70GtSBNN9SzmKRjuqGeBRC70XDHR3v3NsgqUXLhMJMrR46l xANAbEpJTWAp0hf9hrUCiN14peB7KfiwduRYSjxXNJB3DSVfCA AEaXsN1mhPJT8Pujt2pIgARF/k9gWTlycRLwHzwPGeRZD63Rni2KXBu8j/LYa9G2WsOGF3FUAcsnDUvKS1uQV8cnm84nsJOJZM2EAxL1yYa+ aOBdUzRtZ3N36TIHR9JnaRNT7g7OpzfYKGFv9F4UhIY/ErdVhrL2nXfpzuTaZPIg+MtIgBWu4QFd1TwrBHTtHwM4XBTAUe NGsXgnDhEfODn6lHRuILgFkqkymk3uK/KBh5xPQGi7W1zz1fwt9mtFgupp+E+shHP1OPnpv3LmZ+FXMl0e Clw8Ag71SoYkG8tmL0QbN2IfuOPDCi4RlzZsD4nSODJ2gqBjxd GMG5Wyw33PHS5vnwsZUi53arx6FNDTwHjOk6+vKN6IvdHU1+zH 7Acci+1mg6pkqd5THMJpoK5OBYMmHDLeYRfYa16IlcbriDZlOQ +t3pllom2B4YTccL6iqM9kDuZW+6Xro2YfXeZluAQ7PWVmjXuq sW+pC5dTiNGKtQSQEgAjMbKrRoePgzhcFMCfoMawUQIzfcYf49 S2W6z2lD3qk4uKJg2OR6rbWmQCUGUTL7I3YPz0zfzQEQqIr6SI 93528zcjQlHgAAxGsrRh/+TJmMjWnOVCUUq4wd4Rm+reaIDEC48EhHKZ0yJN9dH/fQeLRILoY56vJnDreoYkDyXW3f0ZUih6nOxptVR+/Z/TJjwPjdypKa5xyfdzQTaxOEMSsJ/XNPF44WyRMXHjG7zQt74lQxAlVBoy5ZAG4Wkh236W2SPbet/P2rNEVG+8PnltLdqTG085PWHjU28pjkj8GejMz7tuKliTcY+lq +29bY+JwyNTu+0SkUb27kM4Dr8ADj0HSPSP5UW+PNclvNkaw9z baHP1P3r6tnAbNkXIbAmVbzUXkSCBT+hYFrzNMgxQMAAlXhzbM LwX15hs5okaq4fIDkGxobu75AwYQB37HY3YF8qYOZU9YZQ9pqP 8OG7Liel8yOeffeeFzKf7h6ktFnkEI0htnDIYFFA2aK8dy8Z7G QXvDPTN/Ncc9Ko0VysVvOZWUQdlpEvdGrDi1a+VHjhGcD+Ns4VMIslen+z 2PldEV3HNLvro+FY/hINLCP+C8KRjw0Hi9XSViiYbxcJUEpHpU0jt/6DGsFHHFz/7p6lksyev6yaHP2UeM/9QWKGK57Tfccm6VcTcamz7BWIENlzAMOlTNaJBejRyhnV2imAA CAv9I/N+9ZHC9WddS4lgqhu1Lxy2AvU5CgKR8g3YPB1KxdSM+1tfpIGm MGn2pka9+A43C0SJ7kw+zn5j2LhXT/qJA7Z5M9BEf74aPMHo+fQoob847z9saKbDEAwCebD+6MAXC9Ue j0GdYKmDl1HRrXA5+mfXe6pWZgrKZARb/hECR/sUzsWcS7pw4ktdnrF51hS6XxcpXUZRmajI1p8trG58NHV4q4cs 2lNzYBigZHNnCu8SkBFg2YqDJg/G5xFrf8sxb2M9N3c9yeM2gBznkEN90jkgWy3WWlyQKXKsJ+HEd l1Xth89SG7LiuEaOHHmTVSkLfyzwKhDF1osdBAICktYcPf8Gz0 cI11ZkBkeUACdlF93qcwutnisll4Lotwc3FpmbtQpAfvde3Z7G QU9KeDx9dKV54+EYuqjo8D3Csy70IMvSEDaLkAnP1ERk3S6JNC MXR2+3fJQj5Cyqad0H69rQPfGRb/wz2ABI0qGa4BAPtRiYgrTW1LQX0nkdSGufJ3t3hgcRhn2HtHDh VhiYAACAASURBVK/7YcwjOHuZsIbJHgI6Y9cXKGIW5xecRnrL+xLgi3nOeSSaxWsOZ s/ypJn84fnw0ZVp7guNdh0aDpp0bzPIqDdB6ndlgx0/jxbJJR51Nk/qQL5ihxDvGZc+bTVHZJBC6NGGk3MduV8bEsyGlvfnnMmGFg0PX lAYzKQzVq5KFquMdzgnbTU5MgDZHoPtwZApfQ5ACtHAaYA2FeK lBSOcS+aoy4fQtQCLtTXP2L3J1fcmmH9L0q+NezbJc5tn9MNiw z1CCgALlHtOq6UCYYLqyhF5EoB4TcVouP0zok6Jn6UydfN/imoPGprDctYxR10+5DB+WL1S5GyMfuQ4lmyvUMUIVIWP/1e5Ssr2wH2DNgEk6dfG7xu0CajkGGxuxpDtFaoY/o8Y0GwCAIj+mJIcA8AaGrNrMuTZ/8jtkKzQ3K1pKJE6vyYmTb82xm7pn8HefA4gTMgx33cNhomGAjk 3uqgHL6xEDipaCnWXnRUtXIcHEofd19SzBKrCx6Q3O9n9o8h0T jd7CM7QnaUydaOW7I+844h57vn7Bm0CxEuPX1nDbOdIc/qYVWxvuFanLiheszid4xBX7PoCxayVhP6Z60f0rKHhuA7NNeru XNOIAWBBduE9OzN2kefRuacO6n4XsUwAMXJDO/eMY9T3u4hlAs4lD16MFsrFMXJDe78xfQHHPPfeQoKeL0cUTQmw aMBEjftdxLI57skRlR9J+rVxusy4pOMX1IN+Y/oCEbOMrczmZNKaHIOu4jB6AmO6ZfVGJ33vooHV5pml/JypwZnUxstVEkghbtGlCB1Ja3IMNfe60hcIPVd3hJXIkX/kZ7Km8Uc0iJYVDNN99pvV8iSnaZxUi/yAagzznQCWY+/f69ieIgJBanqBSd9EF90HL8g7BmLNAiGAUCzXFjY0ps8BD/KILqgxKfml9zyUCrrOcXYIulkjBUHanqYx1ny59DBaKBfTU4OS NQCAS4L232BPIEch29wC5rFhjQDcahjSDUKu/EX1zJHuA4jD7mvqWQAxKZozBqsvO1H/I+qUeJZV7CGwomKBck+FqVAlcXMae448xPw904lrFmfoDpnS58 RLC/pZ7+lEUlXpHlb4+Sicjw1rBJ7E3Ggh2pUZotyG5mKtec9iITc/jKhT4lkawg1O6mDdjiOMxspVUnSGXhfonQ7tFntDTb5UADEpav W1FwT9uOKlt1BweTCYEmDRgJkc6AeymJQSoh+Vc1tNjow3s3Rf U8+iUyp6Zgr9YCVrH89wrDb0o62/h9csSd65pklwjp2hf7DwtJp5aP6/eLv1LBqYB1+XQywRC3hOe7lFgIfLU5dXY7werqLBefAX1Ps6Ra zHzgI12DOO53KegBk//9f/FowJnHH5isMAAs8pGjjh96x5peB/83adp6rGe+uUyss8k/u/ezXMdfuHi11foIjxWFnJ9gpVDFs0eGh536BNcN01cc8Y7naGZR V4PcImGtCympKiwfSCwmAiiHNrWpJ+bdz0gjK9GC2QS6QFI26N yTbmmcz0wlad4/aX0YI5UG8T+gI5LNZWP/NiKquN99wtSN2Skcr6Rp4wIcfc7aHb7i5imUCWZbBxTt5rXLeA/dtiHkWD0VO3nD0Pfw7nLWIWSN4P7FrHEc83a0EYwx6ay0Q7goT LzYxZHjsL2GDPjOSmxM9SmYw8AWO7JP+PYEzgjMtnHI6VuX7T1 tMhz703YXoxkpsi4obfvdQ5Xot6CqHnvbUH0XDJX9EgFMuLcwt aqvtJ/zzM38B4TT1rjrpsiOIbmnMuqnNkAC7Lyj1jhC4a4sULXP/Uko/Dk3sDh+WKqQIjGp5TGEwksVahnYblJVV9pOk5ZRoyZy2OT8gxd 7u07OvLWi4CkKTXjjM/el+gQrG8tKzLbhqylBURuTlKvvWNehsv25W87Myw6x05sNoMDe fKRDydgUi6iyjrspueU91dpmP5aqkAQKDI7bR76HOsbJcUlhN6 95Ocw4No2GUyevPq2rf9yWKcW4iku/TVfWPVZ1RsX8UsVx854+bABcrsWkv3c7u+ti73TPGaBUKAeOmZ ET5j7Pry7ICSK2dofeZc5+a2LOu2za1/si0/5f9AnwtS0/Nb3IcQoMEe6DWsESDb3APmdU5SUJsd9OF3HA5ZytS8kexyyHO7 JkxPTen/zg2/3suS/9PRJmmN2qgforq7TMfO6LKQk12j0XFfvphfTtR3Estct68cxTh pTY4u9wxxrNbidWWxeGpKnwOwQFOGUoGrDS8LNiXBHHXZU9SSN xgo0/OR3OXxtAee22+dSU+QawtuW019g6d3sdV8aKJBkJpeOtjOCU4A EEl3VeSe0WXJP+O/ypN7A6f7tjZhsbZ6KDy9hQUsGjBRYsictVhIr0n6jKWsCGV5AI GqoJcvoUxHeg1rBAAuK7+L+0j35owXVWuCoaWarzB0dxIrZPkX u1xklpUWAbxZsg99j8FTCQkXSMwJeeTsc7K9VuPRvCmElyFMDZ 4y+44LlFlFJr3DmUOWsqKK9OX077z4cjJLNKAlBgAgXlM+Gv0B vtHQouH+cwqDmVxGC+SeHqVE0py+9uhbGB6Mt9G+vUi660rBbS vrI/ut2rrcMxXblotgsZYYiszdO4mli5V7ay3GaPuBi/1Wdb7UaZiVKL+yDVULkG6rHXNtj54+AWJkRH1kHEVbhTZLBIrc TrurJ7vQ6yTR0jPDU8yZ/g5hyuBl7aNDmJBj9uVkJBrEqeX/oMXcVB/1GwIWDZhoQTqXuoti+KHjVgQLw2TDiIYQU2RwjJUyL0***IbWa LuCC9l+m0hd4PI3gJPWlT8+vWl7VhNLXTGKARZkF3SFqySQreU Hl3K0KVNuIWnd2atrZSW6PtI5ibRiEIo3NU6Z4PQ6hPKXU1jZU MZOYqnHr+tCzHKO8z3AKI8FmtI+0thl3CuXRmwdYZzQoqH7OYX BTDpk223DbufLQtGSXVfO3LZG26pwM/TyzKYkjwkSABZoLvaRkbm1eTf9ZxZFS88M34u6K3gstFxUKz+g S4UmH83+kOWiWrNNbawfIttu6+kdCEHa7qbwxoa9vrZi266Ki1 327r7BfPpFuGhJTl/bc+pel3HvLs3eWsu959aqUs0SgbOYRd9p/g0h2rb5om/wzJlirmoUfiAvPlJkqh/ypwdbFfOdx6k3L28yjGh4RmEwmIhhrSpzbL/Tj9Sph3VHTteeabJG9tZPLRdzlR8s1lY9jboTAuNel+noYYeey L/QZY+UfwqZ0iVI/Rthuef81F5fe2P3hiRa0f7QUT81fehtCG8y95o4fzEl9bDuSNl gW7SteuPBogGDwWAw05Gxi5lefzd1gepIpEX5vx60aDA+ozAYT MR5Opwjk319Sp+zSbYkkyjpskffJAxm+vL05Wn+d3+iJT901D2 NtnlvIlg0YDCTBtnaZPhhg/SDDQU/bJB+sKkRJzUMJmTsdbV1OcybLLTBkNNkjbZVbyyMaBiiMBgMBo PBYLxAi4Z7QxQGg8FgMBiMF7BowGAwGAwG4xdYNGAwGAwGg/ELWjR0PaUwGAwGg8FgvIBFAwaDwWAwGL+gRUPnUwqDwWAwGAzG C1g0YDAYDAaD8QtGNAxSGAwGg8FgMF6gRcPdQQqDwWAwGAzGC1 g0YDAYDAaD8QssGjCYaYT9ui7/jwKAZOJ69I2ZbpgtZ1WpMRD/x1Mj0TcGg5me0KKh4ycKg8FMcdrbiC8WqQ7prVG3ZBpirzmVPn 89cfkhGW1LMJhpDBYNmOkI2VSl+d185Q9VlvboGzOJPDHvWiQE AIhVHGqzR9+eaUW7XjsfAABmrCBqnkTfHgxmOoJFw1SGbChR/bcMU1uo/dguH0r946mRaA8nfDwZPrRChP4X3BnrDQ1Rt2eSsNecOvj1Id2 hksGm6Bsz3XgyfEievetUbR7ep8GEiyfmXYsUh+5MRN+SSYQWD Xd+ojCTC9lYVbKratxrm9G89WKApNWHjbVPQrjXQ+Pm+cIZy/KL79jRj+mHHrZG1vIIYzKsjkWaQby6ZDSalkw+oU7f5DN27ofS cwNRN4OaEqGLeXMgG6s0vwPRH3d10Pl5+q3NYHiTRIPt0iHl5q qxUPu5U7s6w9hI/zhRe0rxuwxj409j5zLkm8OYbp6Ydy0S/fHUiLc2ztIIMzNMQcdia5V6Jt2N/OCd8UuHZLCMqI2o5ZPAw8G8Q8r5K4iaUOTUtOChcfN8KSMc7TW nFDMCmr4n5l2LpKsP3TiHJOOk06bXzgf5wTsT0ffkk+GDKxKjH 7qYqEMvCsOlh2QI/Yyfy5DQmXUZUfuTLdTU6mByalCwMKLBTE17Bsy7FglhvubcAzK Efkh9iWoGEo8D1J0HfbuW0dvg9ENtmKxtu6Wdj6SAl2btxB/9vPXA8MEVkj9m6C/xjB3JYQAAmK0+99i8a5EQZqvP9UfScjN1Z8By7nTF5mXJm6vGm ZNj5zKSf7dem3fLOkkhMdmENsAB8/e7WvRu06cvUc1A0xeryjMOBDh99pqTihkAACLpyeG2KPjEdumg DEDCCoOo4W/oYt5wuGvqvkvO9H8Vj53LkDof6gZCTa1c8yJeg4KGFg3tZmqaQ 96i40A476C5Nfh+Rk+sFwP/Icu8ZQu8w7GzGas/zyDOttt5rF1G1Hi71lZxUObHrcmGKs1cb0aOn82QoNf/t+6j3Qv5wfaJkPzsxfIHgycOKhl7JJuqxltvaefFpm7aj04K52 YYG0Kf8Qd9mctEAEl/LXkZwnSHh3AMkGyo0sxdpK0YcDnvDMjgpq+13fTjQSVfz5MDsj/+85Mj0Z0jvxcd5o2HtaZWENXMughmFfebNs2ma3l7qKmVx7ww1 aAw88aIBkd9BZivOfuADLIfOggch3DustVzAQBEnx/sC6QSkA1VmrnzlZkH+UOw9ZZ2HgDMVp/t99ZPS5V6JsDMDFOLn2Pnrw0TNSfldDQPmDMXCVEtD85FXi0nG +pLPo9lO1Cy6WrfQfSlRbQgQ5kd3iHHKg622UPuMAQGhsMxwIm ak3KIVZ24736ttaJEu3pR+sE2ewjTN3pifZKbeI0QtoqD2xkxR 88UTwwPmDNXHDzhtIdsuGXIXJ9EZ/Nl6v0lg2EQlyz8XHTtZqrdbK+pqtufkUo/j4Lo84yKgyWDDebR/JIBr4sxjNirTxb/GGoFmrq0OF+beqqIrGWOjrAJPntNVenq+auddwxyFY8cXBZPWx VyaqUJWw2KFLRoaDNT054Hxk3zhQC07gu2HztBb+eizFVS9oAM pp+B4QMoBJFumK8pdukHRUas6vh9r/23E58DwCJt+YAPs6uriE3LkjwNvLlKPRMkm6rG28zjxRmSkFzk xXJ62dBJ9sDJlvIHZJuZ1N8yZK6XSU8Ot4Rrru8bVsfCjPVXjm VIAWDGekN9uHoOhnAM8IH5wPokAPmB9gmvLdH0xX9+csRf2zji VRTOWfDI6PH1YlQD2ujY45sj9GRGx7a9uiR7LrgcwrkZRn0YDa PTsS8n03MBMF+ZWTJIG/Bg8PhB5VyAmRmm5og7kGozk/r6ks9jfcbDdMdWflA+d348mu55B82c4BwwqzYf3vBFvENSRNbh wazi8eIMCcxWF/dTYUitNGGqQRGDEQ1PqOkPWX+BeUNxwNwSdD8m46Z5QgCA2eri vqCNsVfriE3LJNK8YQ+WjBxYFg8gy6y3eeunj6nQ3WRbv6U4T4 2e42csyy9ss/tvT0u9dh7Ef5430vZkojpPHpqLPFveR2vkQM0LaqLFqy+MttRr 5wHjn0jdLtLYq6/mM9szkk26ca+NA5w+RzDPU2YeUM6dpyk2Rd5R3fQXeGd8Y6h/QrW1McK3330SAdA8thLSWJixTL3vwqDe4RZd3YF8U3V/GG3zY9H1M3J/XvZx1xi2V1/IXrjT1BzxkCD19cTqeUIA+YG2iYjPVzSZqM4r2HehYB4Kf058k npd8aYLpgPLkGiYmq6wlR+QMbaFnloZwlODIsWbJBqotn7mSXc ZUc35CE2n54MzN450FmiY2om89IXeI6bfnPnnkvJ+qu3JePFOC cqYjvvq60o+jwWITcusszInUZqT79O1bHF+HQbAmYWt5ec0jJJ QH9BZ+O/ebVgdCzN3mpqfUM069UxHQvef7pZNmxqr+S0fPb5Tc7zN7vQ/f86l2p6MHt+gOtAaop5AC1U470BH4U6p91rb0kpIP3EpV+69ZX GrSCBGmoybVpSw+ne/1ntvdiJPMQMA5ilVeeo/0MLOvRnjYb+mjx2HSLwmsSaLjkPVplqC7ZZuw1//TNBnTIPHdqKdedHnO4niQPUfUgkOMccWvs5mziU545sbhQdkfg imgLCW56nmgstqcg9dD9PhMfWPnrowwIgG5Fu0KpNWHzCU0wUP 3QWYRDTClD16ATq0NQDM/BtR8CPaBEpanWfWo24vuGy60Imopc10gJ6XpNU/GpGcQvHANPsnEqAzVhBEeMQWLV8C6ND3imAzUZ1XcKC1j8kb3K yy4fDx7uFgRYNzybha0m8pzHS8eHJ6kqel69DMB75JglgF6yNU LOjQ9bU2nZHAe8x06tGga9BkQIuG1ifUGwFZh3w9W13Uxz4/QfgSDZz23YZVsQAg2agbD+Du3YZVsxX7W+1e2jTXa+eBeNWFUc ak+KS8EfrTfrOSqbgzVhBV/eiS8SJHAopNVVy1NDuyIciU9f8oPZA2gzOSpFV55lvut0adLyO IJ1RrG5EEQP/bb5rrtfNAulE35sHy+Lk7jbeekLfqSpIc32mYpykyka4uioUZ3 xjqQpplJBrYB8sYDqOab5KW5A03e+mt36xcJOSY1G1YFSucu9P ocKNBp57p4q7+l5oN2fvb/lmVp5gRq9J0k6xrwa03z0M2GTfOE0KsStNtI67mJ8XCzJ0mA29 oOUzyOX0m48ZF6V7jEC0TFIduZ0x9Shd5Ok+1v94ayATZCbrso RU0sn9ZPIB8f9sE1/MvNRuSAABmy1d9LQbg+Dw0xopoNUnnYsalbqHLFwxALy6b11uQ t3SaufRSZf+b2w+aJjqfOC1pRjtkADAvW9M2XkUrFcdNHfmK5T QUKvM0RaaJWzrNXKe7mKQH8n26h2fr25mIIn15yTfNrcQSejmL 2OsopBXBYYLIK9jfZmeGwGrZ3bIx03iLDh7giR/vOJMSxbWkriRPwc2ZwnkHzJwUwWtz//B+xx+Uc+ZnNJVMRPlYm46x8B+ctR9cDZoU3jDRwPjaVTQEyqjm G3GAE0bWXVDN9FEOaQWAwtGgU890xitZd0E1I1axv6594zwha4 UwoiE2TVnnSNyoajrMI2/VG5TfJDGxJ0o60OeWfEc134hpt/SZNs6mNyoCGt0MfssZn9OZgrxVb9Scy0uKBQDh3A2NRL9rJyHP DtVqMu+nx5u0at9hb7V2to/saUAPas40524kWXdBNYObCJrrtfNAvr+1T7mIPVkervU4ZHuVa/7izTjcTpC3PU5fAHHIchoKePYZa/kF7ap5zL4RJ/z8AZVtpEvQ7fjKMK2Z0latXQgAQKvS0GLD1avskoA86VYkHKCk z4kHD9CygKkW9I8OHcaUBzSbaMWx3cvcCJ2hg9C5ot1FAy2U6R 5Qh4yRzOWJS/KeNT+xlR+Qsata8PQP718hnrfvxj5ULJ0hF8qKcAGJhgmHrmLi hKy7ULyr3tYatGjgJCW2JUiheq7W/Dbbq/IUMxblHz3uIu/oG3HmJbDU6okgatAkwYiGAepNYWT/0niYrS56HEonZN151QyQbKwc9/uS8aKdkhnfGOq8NmtuIZbEAiwliAGquU47D8UrcznMVhc9ZgRB 5XjrAHmrjlg1Twgg3Vg5xuqH3cZx0sradRAtyRtu5tyafve2v3 Witc+sXCQM0EVMFlukLe9zsZxqbUUZUKasszkceOsm2nLgWtI3 vD9FRJsR1hl3GsPCUKmeGavSGElvl7ub5HIG/biUIFzCI1alMf6vop1SzkT47I1za+feEgAASJKWSoDXYNQJ+sj H9NnKD8jQNPkZh57OtA5Qrff7lEuZXYdYxf4Wu//z0lzHPIHxhys7LNN2HNjO/N58mvKmlRm1pegUsf+Acl4KUeVrOEu/ZZaeEVWL1I15JqJvrGinkhWWbqHrQisjGnyFKOoHQLzq/KgjCMHZM/0j7c/HLNHAvRE6Y6hEVR+5i7XcnEHoEipMfa2ztTovDyhf+TmDko2V4 8xgmQUe4orgMEHkFexvnWAigRF5fWblypLyPpYnA00a7kmJtiT pL4e6yq+zNkRdsyvvKjYrFwln7jQZ6IkQzjtgbmZ9RHsjmNTqi SBq0CRBi4aWAepNYbxwpwRmqwsfh9SPgVkwgd0XREk79WX3Sc/NRjXfiGEpUTVAtbQSSQAzd5puD1AtaG3EpmXcHLtJx8rLMvo1h GhJ3rDB0cP9Qc1xdVIsnSO4nVsvsnQD1xKS6Xa8hdFVgbnISG/hFD52sZwZlKs9ZD3SDfM0hSwz6is1c0G+v3XCw42sFw/IEw6YDf4bxoiG224f3a5UzwSYsVRztM7q+XLkGbZJrDN9ljPo9 WesYn+LnY6N1o7NS0WoLOluusSJ+wA9D7nPUniKyEZvqWNTN18 Z0eXJXaebx0jv0+eIQ6Kw1e5XHNKMFe6Ucs+geOvLcOqG1I3nB us99GloNf1YaXFa/ti0cXZ8Ut5Iy8BEVZ6cCQ97VaWBbdjtSvVMkO+v69jo3NVI3Xi 82LnJAeJV50e9BUDf8P6VSmZ2kKNkGXU2/sauocsX5ADgpQdWaLFi3qkSqtx/ZImG2ywzHGdus0RDywDFeIyulC28PXgzJnTIevpxRTj3G63meu PG2cxEhGFFsJmoyitAHxnqHK9sNGcqS1PpVcARDYEMwT0psSy5 b3TE24xvDDfdh8+2+T6zrzlPmXHepGF2i2+yb0Svx6BSq6cFFX ANmiTePNEwUZUnD8O0GQ2rYn0kDp77+nk4RYMjITrWRkQPp2jg WyresZUdkLFEAyeVG7QBmeFp/ZP1lZp5S0suuqgup07yePCXAWcNiPrhV8pz5k1vnYzsXxrPU92 DiMOgDg8Vl/e+LNEQq9IYyWDinCM6eWLm5vmseTuN9Z7McLm8lUhy1mZ36Nc0 PpUKM1NMTu8zZywSgrOWREo0wCJtWZ+rMf6LBkMLseRjtx7uD2 oOKN1+3zW8h2/RwHJ+/NxFhzVGkpsYAxUNgSal0A6WaAg8tXog4Bo0SdCioXmAemNoqlT PXEroQuznsUn+b6pjRjKAS+4b5fPctxD5DmReK5EEsow6W/MA1TxgK3X9cl8kDom8crx5YGTfUtGHB8y3A/PJhI5RY1zLqeYBqvlqQGbI97VOuN/idgvxp1hutwPU7dbG1X54deZOUxOPzWOFrC/EBX3MmCcR+W7l/eAfsitM7fHaia/p8z8Ogzo8uHpC50E00B8t0pb2Uc0DI/v8FQ1Jfzmg23d+sM6H00aPfSOTV46zAqZj81L2dHE97x66PEEI ALTa4H5K1t2s3Vc1zpopNECq+bFJPhsAxH85P9o8wBomWun0py zXsURDE0pZTnexnekwfvQYXVB5jGcul7D9wBddw/tSVssrxzgjqiP+Eni0BL4iPMX/hC6vgPmIrKvUvI/6/8Zwg27gCBj/VhCbwJJSaAdKjEGmVg8EUYMmBUY09FNvDE1X1f99h6kpxH56Tf Lfa0sfB3bV7RZjZlqS7whbSuj6qaar6v87hah03KLbvM+fa0M6 JPKr4829Jvm/KfY12wP0yeixNDHMVhf2ulneT97YH5AZ8n0tE279jxXukCLPuJ 7045jpacYfWwoPKd8PylkAACBK2qEv7R4rPaFidzJjqXrvCWLf fv975h2yO96TuHxfy0Rzr0k+W5ZRZ/Mah6Z9O1Jdv2IZpsOTq283M+XWecQnnRhp7h8v3JH8pxPDt/up5n575Qm37346jnnKjBPEvhN1hS1+B2evST5bIr867nHqZ6sL eznJYWai93XtnIIZSzXqOqvDpQf2q5K+bdQ9Zppd1bwPMCOFqH zM/jf61Fa6XwYAEKs6ds/mGPKMNMMNdJcWWjTMSDPc6CdvaNHvDiB3Uc3OM7KMun+UXnioe +x074ylJSXdZHO/tVTbXtpNshqL/6Id9Tauq5oPHQbQOcezvpynzLxqud1v112t23ei+C/OHbDgVoSn+B8r3KF0BvNjc0aikBZGnDPAOekXXpNSbKpc0+I+C g9H0l8OGXWPqdstpgMndBlpiTxNUJgFmVo9x3bgNWgSoEWDoZ/CTCZNzcQXKfmnW+zc89aLKIgTtRcfR99IFuTNqxqPhtGpR7azz hb8Le4Z/hLr1n8L8RlnqauO3iOj7QrMVKKF+AyE76cRF7uZwHhsKThJZGv Un8UCgPD9HcabQXT72FJwskLu3LEQvp9WfOCqpYnTzK67Wsoov KS/7Dc4beinDN19O9Hl85TKCmK94w8z7DA19tIbDwAAEP/ZjoOsIJfIr44b+inD45dHv00CgBlLHVmCvFmnZ0wSfbZDj27Xe JX9x5iZy3lGNJydksZdoRO6E47NIeH7adqjddbJnDuO5UsJXT9 l6LdfPaGYQSeB8YIdEtfaTDfzg7AkJQwfWDREC7vucv5niUoln YmsF7VXmIwglV8di7Z5HJpa0DsC0Z9ODDe5fOrIbinE1RCETlO d9kM6G17hJi+77mpd9okK+VJROLQUefOq5sOlmly+/NjUTPzJOSNhYaxgR/Lkp+OA6TbK50ldy960AGlNT8c8TcG0G1HkHPVv6oJe9knbxf2c V6Izd5gaw3zfKMU/T1KaJitxOkCLhtt9FGbSIW/cJP7suj2YtEr7sjGKVnUZVi0vuWAkHWcamxvR96jfX1+yY932H detzsa9L9Xor/TPy1Y320O5b+NNJBq8HMIP95tD9UzvcPZykYfexs4wr0JmpBmu h3ajxpvaD2NTN2Sjdv1XigAAFEJJREFU3Vrh+zuMN6I4px6xle yXzfjy8Hb6vZh0w5WxaJsUIM4JdTmS/nzQWNkbbfOmDA1X1DNjVeouku9Ta0mx5rPYcKwvhkmM/1H1em9JaZqsxOkEFg3Rptdy5iD9InDGl5ojN60Rv6MvGpuNyh0 a5RVLI51NkG0lF4zk7V7LmYOaDQeNlb3kjZv6DV+i/xcujbNog/QDs9Q9PzWeMfKmvEBodrzvkO24aeMaYN5Bvz0V/en4cEjZ01HJULYKi+WRmGgD85r8y8Pb06TTNJ82NpuyWV/gmPGles/xlpIp6fAo0nBFPROE76cRTs8YB9XHiWzntxDcVkTQTHL8e0lK0 2QlTi9o0dDUR2EwLOxXr9zYQT+Aij5TdlztdX7a0GxyfONpxpf 5p5rtYbqp9YL2Cr3mHc+L+3V7j9eqb1rDNjTj4JEdqcI0wzX3j 3otpw8q30/UXugN8S7k9ZuGHWmyPx4fboj+VHp3uPbPiel7DeGaQcwURX9F7 fV3JITv7zBeD9vtohD/HpLSdFmJ0wksGjAYzJuE/fJxhfBLdZZ2MHxVcPpjNG7w8IsSM75U771iwTUV4ye0aGh8TGE wU4We4T3LZSuP6fesl/1hO5HfbI++SZgpj/428cdZqd/uzV65PW/lh8nfXhmLuklTCfLaDcP2daw3gB8qtx+vzb1hjbZhmGkGFg2Yq QbKbtL/sa5g+zrp/1jfeKUn6iZhpj72K1dubF8nFe8z66NvDAbzxkKLhobHFAaDwWA wGIwXGNHQS2EwGAwGg8F4gRYN+l4Kg8FgMBgMxgtYNGAwGAwGg/ELWjTc6qEwGAwGg8FgvIBFAwaDwWAwGL+gRUN9D4XBYDAYDAbj BSwaMBgMBoPB+AUtGuoeURgMBoPBYDBewKIBg8FgMBiMX2DRgM FgMBgMxi9o0XDzIYXBYDAYDAbjBSwaMBgMBoPB+AUtGm48pDAY TOS4pic+SyZKo21GmDENf58s+c/viOON9hsPqRsPRw+tTV1XPhZ9wzjYCvek/ufRkWib8SaBXfqvCyMaHlAYDCZS3DGuE8f/bo/5WjCXjx3fWXq8O9pDoLEVZhcfaidvPKBuPCCvFqreBgAQfaYev uY4I9Ycv0NGwocb9jysDdL5wrel+cca7FPPn9MTV5di/oWgRcP1BxQGg4kMY5p0KYBsa40tiMtra7S/A7mqYSIChtkK96wWrSn+odxS6+cl7YYVMZJ15eP0j3cGD+5Ris QazR2S1UAoSjdWht9UGUiJi4FfW1OufgfQIVc1TETSn/8quLjUQ7MR1Zp8Z2A0EJ+KNZo7E5Xlmg/TTTWB3XHiovrguvIxZ89S2bryset3jOs+0mi6IzLG2poK2Z4+R xjXlKvfXWO4EkRXDbUrnMth4qJaIUo3Vj4Y06TLnetoWoFFAwY TWWprtL8DeHsZceF+EJfbCvfIACSRyC+1euKzGAAe22yFe2QQk 7pObbrIOU9eKVS9DfGfqke4XY1p0pNFa7QHa6yMwVJWig8H981 bE4QwSx14hSAryzUiVOBmqTXdEfTnvwwuLvXQrN2wIgbeluYfb bBff2A9syftbVpnwNsBV9/Rg2vEEJP6Taml9gFZSZR8GsP0FaM62E4G0pWfoDgRfbq94+J96 vr9lwfTkoLSrGjJMP3c6dsqFTGmi1cUjkZ7KoOBFg3XHlAYDCY CjB5YIwaI/1Q94qPlHePahLS1alPJ/aAuD4L7lmOa4hTx6q01Nu5HtoI9Mjq/S/PVDXbm/ESJWg4A76Sbqh9Q1x6QV8s1opjUtbuVIgAAoSjdePUBVVOj/R0AJGgL7gdlFa8f2g0pMQAg39UwEXif48fSJahWXQ7cnzU12t+ JlenllprJiJbpAtulvA3Iy/SrK/dD+Ls95sCcSc8+3xF0mHkHiVTu4XmwXkDxxnvI3Nbd9IARDSYK g8GEnZpq7e9Qgqi2eWgzdiw9WbSmYOuaJAAAkK4tG2N9aivIkt F1OlJGkpcLVO9I1bvKLDWsM86MH5O2tcrKPv/2GsNlE3Wte3jXMhEAQEzq2h+UIrHmWDt5zURd60YJ12UgPvHqB 7pPydqy8cAHOFGSKweQ79JPBO5PZ9KnRx2eqCj5w7rGkm7u+W7 z1mUHD+jtkZllF2wFWdu/KnhZ43LeXxvYLuVtQKsK5yFe/alYCABvS0tOozjxm+oyx9sQdEg+lUq4kRlu2txliugPucOu7vK J0bR2FkcwiaSrRQAAok+z+q5OxkSHH1o01JooDAYTbmxnsmToe ehMN3+b6lvEH2IAQChaU7BljVSUbrzCbUCUqd8BeHuN4VLYzWs 3rhVLU7IKUlA2X0ac72Z/xHrSilFk3rI7jAEpccFE1ZrIK9WGLWtkf8gdrub0TBfagGz25Q dUhMQpBaNBjJQoU78DkrVl4wH701k8grw1H+SlAtXbIJybZa52 v5fnUAkraI5kW6ptPOP1wwa2S71OKK07t1RZg7e2ezhzmWNXX/RpVt+VoLvyF/v5XAVLN6euzTVdCGZeOP0gwRT5yY0sWDRgMBGj27wlQeijfHZb juWqP51FV2Ue9MSnXmVHsIwdS5cCAEBSSlZBijh5bdkYu0G1vi NNKgKIF4nFAABizbF2srpaO9cpGjwxcSFX7l0qBe4H1KdbofWP 6mrtXIj/NHckGH92W45lK0Xh9D+zexGjOtDmKCFISYRXnXiGEUPcyAzABo 5L+XEEmDdt4R/klTL6WxTvpJuISDsH4dTNbtIquH5mqY8ZJ8XyCEOLhpr7FAaDC TOthuUxgEodwT5vHM5cmqYgbF6uJYiSz9FV90xrZgHEqPa3kky 3LWvWN543ulxiPZ2rEoHoD7nDhJdu64k/fKQ9baRq7lPELVPmttR3Ug0VnDa203s1mfV2us+C9tOtI/vXJdGjuEVIAEBKnHfteXT/OhVzFVlRoHoLAECeeWvCm38C8UNVqfodgLec1pIVBXkrC166DZ bPD62G5THwzjZTFa8/A5vTljV/M152OdluzkxNghgF4wHvjGRK49HuxfKCUebkxHmktJxjJC8T+j VS+gXQmlyT24yzIS8TxHKx8K2lhNZbMwY0j+DiB64NRkvu31Lf oh+Sk5bvNXIMYLvUo69Q/MdLckf4Gjhvx3/MUh+9xwqwVDHwx14gtPcppCIAkSSrz3US3VzKhDGf/Q4H8h+SNaXjbv34Wg6+7LmsK5HEAMSkKXTWEPoJFSwaMJhIQRD aua61gUJJ5B0fyd12OkvGJHRUY5wZhyC0c0G6pnSM1d6uzVXQ+ d1b6Ro7um21d1WBEv1bLkqi3bhGLIQE7ckS9TsAkEDLDk9XoQL PTZ3uBOgHV71iO50lA7HmaDu79nvwg9GsSBAy17r6MxBQAZBxh I5xOHMpvXnuZ80mbjWuEAsBuEXX+HL/uiSmWDIVwnkIRanE6XZ+oUPUO94F+FCNDkedL8gWuc+R04bsjB 8ZTzIGcLQvx6WeoCu9B20RkGhgSi/nZKDYTmfR3/D1S+GhMfLaH4BocIgn78vBF4wx/odZhKBFQ/V9CoPBhBcdq3ayzo/uS5UuLxj1di16Ggbx8oLR6vvj6m0SAJmCsFXfp6rvk+UFqrcA3 ko1lDPtq+qJ38fINuWX/p7Z2Kji7bbVsHyWal8r6dvmWWr1PfZ58lKp5j2QLU+VAt+n5Ux Cp8/TKTVekjvi+V4B+gH9O0Gbb3RcLmZc5NMPo/tSxYx5Lv7kp6qe+P1HjnuxbRZze7afy1W8lZC/NweVWB/dcv3JmcTq+1Q1EmcxrDlqH9yXpXyPqUVvSUtOtbtNn3FYuVQ89 4cbGUi7JLibzcuYepvUxYEsG5I//eN/uFTCd7aZdC6ucI0E12GiwOBeGCyo9Pq4o88eRL/PfXhkm9RXcCJs+UhkSAltSMajsHHJAwFBlheo3opRKHXta8RCA Lny1kSo/gwWRjR0UxgMJrzoLjKi4eK483yXac1vxMvPjHq91n7uiOItiJc cGanutuXvlrE6mdAeob8xkH8PNbbl75bBb9TqLtSS/RGHqirtXJApqmzebn1vWLlUBCBX1k9wzzsfdOA3anWX16vqGdF wZMTjjQL1AzLAeesR5ZJ4AOHc3eaqbp9+QGeQeS7+9OQEye+PD Fe5fkT3/M42k47llne2mXS0f9j2eAW1X0Joefp3cT55ibXr8NZS4hx3cqu qtHNBsubieFUV2tnyNcWcC93nCNmQlLynK/8qe7dDuubimC9T3Wih32Lo/PGJD0b3pYp5Ys9vdBfV77Ac5Y9VtEtdpylQyPIzqre8h5wPxtX bJKzYDqWrUKFFA9FNYTCY8FJ5UR0HACBJvTjuPN9lSv0NQExqa v5ghZfLWwzJMfGSIyNE98S5I3JOJy2G5BiA36hzuyii23rqiOo 9AICk5N2GE2cOxwFAjCq7hfRkz1tL1BkXLTqPtybLzqjeAnlG/QT7vK6+MeUDx+9TyDZX2Vyuqrioec9xFUs0eBxgwH4YyVgSz4z aYSfEbTNVdvv0A2qMfOjmT14PJGhP3fNkD3PTNnNGahIAwAfKz WdM2dskAPBWqqGMt9t7llyN6Zyzz/HcbRJYUpF70ZBbb+fOkavziW6ygq0blmj2VFnp81VE8gdCAOF7 qdrsq42pvwEAcfKZUd6h6epN37OnvsuU+pt4yZGhc55saDOmMp PuNi62Sz1P3z3z5gQhM0chYju1W8YKgEBB8y6S7O6rYE+id1CU LiHOhWa8rko716evvDGSsSQeYtI268b8cnskwaIBgwkLTFqPSd usQwndg2hA69+vgyUaODpgPNvHhe5VhyK6HbXcn4Pdg6MeA0Dy/7fN5VU3z1U6+pHXq2gI2A8jGUviOaXrXl+yv8NBB0s0eNBVRDd F3BvOWJro2XLTe95v4qnA8Dp/yYGv/XWC/4cnt6Oq6d64ze+JcD98Vq/R7NTEubvNnkVqAEvMm5jzjevw/ZMyIxlL4kMXDUSLITnGXWr7j8timQKioaqbwmAwITB+ZJvEkYy udlNV3VRllfZ9AADJ1xfHWS3J8osaH4WHSeifHBmp6p44e0QOC dqT9xw92I74uFCeUT/BZ+TYkW1S/4oB6sF+9mJpsnODQfjeNmN5m/HrD1z/WJ7Lfa8yaok7cBcC9cNIxhLR+7vNlc4eXnzt32CYA9nj7k8u9c Qn3iwf+MT7TZYQZz126944IqLhkyMjfJZPnOUTDZ+EJhq8TjFa F7LkM6NhWWVXL6rnpBpKg72cWY/04VinPte1fy290mX6Ol6V3UIG24Pt5G5ZIG6PIIxoMFIYDCYEy PLKkk/QTkOllT7ZbEiOAYD4T3JGuI3tZ0vYxdhz9s8ZqTKOH9ma/J85w5XOy19vdrYRvvd16ZE6e1WX5YiayPgBfWlOnlE3wW9nl+V IjvoTT3+Ul3W8tyWfa6Hok+86znZRVUb72dPZHoo9uu/E2Rw560cvTgvED52mr+MVGTftzsub9SwzeP3gcki+Lhnn8yeHq yXqOBC+t9VYzvdpZd0pVodJyXuMZ7uoyjpTZo5u89dJAABLiLP 8nh/OWCpytWhJRU6Ol50bP44PlFtKLJVG+9mSuoyc4uQPhHzxxhh/k/hP16mP/yRnqNiTDTGpXx9uOdk6djJH5WHGkUu9TPH4ka3pm3W2sKyyqyW a+T+YPU2cH1hZAxG+71dXtpM/rPavpVc6TV9/oj3ZFUIPreYMFGAAALJwuTQIaNGgM1IYDCbMdJk3LRACQNxW05 WwdUuWlWjeA4AF2pNdEbJ8ZCf70fMD5aac2r06q9+Xjx/ZKoHIWkjpjGNHtkodqT+MPV8pQdskwve+LlaWWBydV9aZlIeR3 gr/TTHhp2t453LFmvMW7kyRZTpi2QdCANkmnS36Rnqg8ibx2dL8w3 V27nlG9ER2ZfkAiwYMJnLYTv4gAwBYQhSHqc/KusblHwgBROhZOdoD5IORSm99bbgYqbvYi9FuR4xi5017mDtvN izzsRMzpesNxkFlXceaJbJle4zFXZTOSJbpWnZsRX+uSvjeVmN ZtM3zir34fP4nC5QKWrZaT56+8vUStFMl/bpkLIq20aKh8h6FwWDCztVK7fsAEKPaYyADvtxgWP5lyYkW54V XbyLFIPyPNY1FndEfnSezl8UAgPSvJWPh6JC8mH/wP3/oK3WesRflZ/8HAEDS8vyXV8M/BHuht1cGoo85xmCmNi3mHc5dffrFxJRePk7I0kq0KcI+IhTzAY BFAwYTSTqHd3wpAhAvyx8N4vKrN42KrRpFieXqPWveSc3HMQAA b/2JoySmGOTFfNVbALBAmxe2vGwvKqn469aKnJv2ypbB3fTDYkSL N1la2bLjByX3zxslLftBl1FiiW7KxgSOvaiklK6+Mal/PTk4nTRfpyUni47Dt/6k2V1pjbpJtGi4eo/CYDARgLxYovkPgLe+NpQE2YO9qOTGRvppSfRxekdRZ9QH5YXRr K/FaJshzD13Wv7/duuYJYE4jOP4vQXBd9De4GtoMhJyMgxrcqkplwqUwOEwkKIkoY M0sBRCCMnAztMMz8NbhBAb3GtwuMFBROJatCncrr/gFz4v4PssDz/59No3e/2hm8+C+GOBpTMbDYYNwBmWvL8uufcipbHoEudVNZ9bcm0U07ro EgAOmI6GgmEDcEqtHfSsrB5/5IWXOOs7kzpyeU6iT2PRJQAcwWgA/kO+VFzb0TKiMxw2iG6HghlLdAYAp0xHQ96wAQAA5piNhpYNAAA wx3Q03LdsAACAOSTNePfG1MtnS3gKAABYZJJpmgG5HlF6d7oNA ADwp0TxS+p0OqmHljempitD4UEAAGAB3TYmW4mm1O12NU0Ln7/54/WryjCn2wAAAL+yjclusr0Zr0n9fl/X9bLaDJ81vDH1QOklHwdKdZRr2gAAYGkp1dFF2TrM9v3xekB+L b6YPyEhy8kZO7OFAAAAAElFTkSuQmCC[/IMG]