Alcances y limitaciones de los trabajos:

Texto: A probabilistic approach to block sizes in random maps

Este texto hable sobre un enfoque que busca ver de qué forma sigue la confección de los grandes
bloques en mapas aleatorios, primero se estudian las propiedades de un grafo para luego realizar
un estudio sobre las variables aleatorias encargadas de generar dichos bloques. Haciendo uso de
los resultados obtenidos por los estudios de Bender.et.al (1995), Banderier et al (2001 y Gao and
Wormandd (1999) donde además se comparó con los resultados que los autores de este paper
descubren

Alcances:

-En el trabajo se demuestra que con el enfoque propuesto cualquier mapa con submapas de
mucha conectividad son capaces de darse con el enfoque propuesto haciendo razonable
proponerlo.

-Se logra determinar el proceso que sigue la creación de un árbol dentro de un mapa de manera
ascendente y descendente logrando descubrir su proceso el cual puede darse para una cantidad
grande de variables aleatorias.

-Los resultados demostrados nos muestran que a medida que la cantidad de nodos aumenta es
menos probable tener 2n nodos hijos y que siempre será probable que un nodo pueda tener hijos.

Limitaciones:

-El enfoque propuesto puede no funcionar en todos los casos ya que no coloca límite a las
probabilidades de colas.

-La metodología propuesta no considera entrecruces en los nodos creados haciendo que no en
todos los casos pueda usarse.

Texto: A note on the Miller-Tucker-Zemlin model for the asymmetric traveling salesman problem

En este artículo se hace énfasis en el problema asimétrico del vendedor viajero en el cual explican
la forma en cómo se realizará un algoritmo de programación lineal para encontrar la ruta óptima
de que debe realizar este personaje, en el intentan cambiar las restricciones respecto a los
caminos más externos, así como de los caminos que no consideran los extremos final e inicial, para
esto se propone realizar 4 pruebas distintas aplicando diferentes restricciones también se
considera el problema relajado para que sea más fácil conseguir una solución.
Alcances:

-Gracias a las 4 pruebas realizadas todas las versiones propuestas para adaptar ATSP-MTZ
(ATSP_MTZen, ATSP_MTZ y ATSP_DL) se consiguen resultados similares haciendo que podamos
elegir cualquiera de estos.

-Al considerar el problema relajado es posible tener una solución más óptima de manera muy
rápida, haciendo que entre más variables sean reales menores será el costo del camino.

Limitaciones:

-Se ve que ATSP-MTZen funciona peor para valores pequeños, ATSP-MTZ no es muy recomendable
para valores grandes de nodos.

-El algoritmo implementado puede no funcionar para valores de nodo muy grandes ya que se ve
que el tiempo de ejecución crece de manera exponencial al aumentar un poco el número de
nodos.

-Si bien es posible tener resultados similares con los modelos propuestos no se sabe bien si estos
son los mejores predictores además de no poder distinguir que restricción afecta más en el valor
del costo.

Texto: Optimización de rutas de transporte público con algoritmos genéticos

En este trabajo se considera la simulación de la ruta que un bus debe realizar con el fin llevar la
mayor cantidad de pasajeros posibles a un determinado destino usando para esto la distancia de
Manhattan en él se realiza un algoritmo genético que es capaz de considerar una cadena que
puede mutar (lo que equivale a subir o bajar pasajeros de un bus), en este algoritmo se considera
un porcentaje de vegetación el cual condiciona el movimiento del bus.

Alcances:

-El programa es capaz de funcionar para el recorrido de más de una ciudad.

-El programa nos permite ver el mejor punto de partida con el fin de hacer aún más óptima la ruta.

-El programa es capaz de adaptarse a otros inconvenientes como los obstáculos en las calles.

Limitaciones:

-El código computacional al ser de naturaleza aleatoria no este puede arrojar que dependiendo del
caso no todos los pasajeros lleguen a el destino propuesto por lo que se está forzando a que las
llegadas estén condicionadas a la mutación del algoritmo.

-El programa no es capaz de funcionar en toda situación propuesta ya que una situación que no
captura es cuando un bus se detiene por falta de gasolina, en él se debe tener en cuenta no solo
que todos los pasajeros habrán bajado, sino que habrá un costo de tiempo por el recorrido, así
como por el tiempo en que deben esperar para que llegue otro bus.
Texto: On the approximability of the traveling salesman problem

Este texto intenta demostrar que el problema del vendedor viajero en el caso asimétrico se puede
aproximar por un radio no más pequeño que 117/116 y en el caso simétrico el valor del radio no
puede ser inferior a 220/219, para ello usan como referencia un triángulo inscrito en un cuadrado
que posee nodos internos y externos donde se intenta buscar el camino más corto que recorra
todos los nodos

Alcances:

-Por el carácter aleatorio de la construcción es posible tener límites más pequeños que gracias a
todo un análisis se comprueba que el valor obtenido tiende a no cambiar con más pruebas.

-El paper analiza los distintos escenarios para los problemas simétrico y asimétrico haciendo que si
bien el problema pueda variar en los costos el resultado final no varía.

Limitaciones:

-Debido a que no hay consistencia en las variables tomadas el camino tomado en el problema del
vendedor asimétrico usado como ejemplo no conduce a una única solución óptima.

-Como la simulación del caso puede considerar distintos caminos es posible encontrar costos
adicionales que pueden hacer que en algunos casos las ecuaciones satisfechas se satisfagan y en
otros no.

Texto:The Truck Dispatching Problem

Este documento presenta una variación del problema del vendedor viajero en que supone una
cierta cantidad de camiones que deben llevar producto a las estaciones que una persona espera
que lleguen, el problema consiste en calcular la ruta que debe tomar tal que el costo sea el
mínimo posible y se ocupe la menor cantidad de kilometraje posible, para esto hacen supuestos
como que deben tener una capacidad máxima C,que todos tendrán la misma capacidad, que
entrega solo un producto por camión ,para realizar la búsqueda se elige un punto como la partida
la cual elegirá una ruta y que va emparejando las variables para obtener el mejor camino analiza
los casos en que si debe entregar menos producto se puedan quedar con más mercancía dentro
del camión así como suponen el caso en que solo una parte se entregará, realizan suposiciones
similares a lo mostrad en el problema del vendedor viajero solo que se ven las etapas en que sea
necesario conectar otras rutas, así como la cantidad de mercancía en cada viaje para poder cubrir
la mayor cantidad de estaciones posibles en base a una fórmula logarítmica.

Alcances:
-El problema puede adaptarse a muchas situaciones posibles pues considera el hecho de que el
camión debe llegar a un cierto destino y también la vuelta, además de que será posible adaptarlo
para simular casos como productos que deben llegar en un cierto tiempo pues si no ya no servirán.

-Gracias a la metodología que propone el algoritmo es posible ver que el algoritmo puede
adaptarse a calles con obstáculos ya que este va preguntando por cada camino cual es el más
conveniente haciendo que aquellos por donde no se pueda cruzar no tengan costo asociado por lo
que no tomará dicha ruta.

Limitaciones:

-Algo que el paper no considera es la interacción que hay entre dos camiones cuando llegan a un
mismo punto lo que claramente haría aumentar el costo.

-El hecho de que uno pueda estimar la cantidad de carga que el camión puede enviar en base al
número de camiones hace que en algunos casos solo una parte de los productos pueda entregarse
ya que se establece como que todos deben llevar la misma cantidad a cada destino, haciendo que
existan pérdidas.

Texto: A location based heuristic for general routing problems

Este texto presenta la resolución de 2 casos particulares del de vendedor viajero el primero es de
problema de enrutamiento de vehículos capacitados el cual hace referencia a un número de
vehículos que se ubican en una posición y estos autos deben llevar productos a cada cliente en
este se propone como estrategia elegir una semilla desde la cual ir de un cliente hacia los demás,
en este se considera el costo de conexión de que involucra en un camión en ir a un cliente, el costo
de elegir un la semilla y el costo de ir de un cliente a los demás y por otro lado el problema de
enrutamiento de inventario en el cual se considera una central encargada de distribuir productos a
minoristas los cuales tienen una demanda por unidad de tiempo en el cual los vehículos y bodegas
tienen capacidad limitada en el se programan las salidas de vehículos y las cargas para minimizar
costos en este caso se involucran costo de mantenimiento costo de transporte y un costo fijo
asociado, en este último problema se considera que si se atiende a un cliente se atiende al
conjunto.

Alcances:

-Una de las cosas buenas que tienen los problemas propuestos es que pueden funcionar para
casos en que el almacenamiento es limitado y cuando no es limitado esto ya que se pueden
imponer la cantidad de productos que puede recibir cada cliente y estos distribuirlos a muchas
zonas posibles.

-Un problema muy grande que tiene el desarrollo algorítmico de estos problemas es la excesiva
cantidad de restricciones, para solucionar este problema se usa el problema relajado ya que el
original es computacionalmente complejo la cual logra arrojar resultados en poco tiempo.
Limitaciones:

-El principal inconveniente de estos problemas es la enorme cantidad de costos que considera
cada problema, haciendo que cuando se considera una cantidad grande de cliente sea muy
complejo obtener una solución.

-Producto de que en ambos casos se considera para la obtención del valor óptimo una
aproximación del problema se vuelve a elegir parte de esa solución para enrrutarla y volver a
estimar el problema esto produce un error que puede hacer el error muy grande para casos más
pequeños haciendo que se vuelva a calcular la ruta ya que esta debe cumplir con que el error dado
no puede superar un cierto valor.

Texto: A note on problems in conexión with graphs

Este propone un algoritmo que intenta calcular el camino que se debe seguir desde una zona
llamada nodo a otro nodo tal que su costo de recorrido sea mínimo, este costo se asocia a las
distancias que hay para llegar desde un nodo a otro los cuales están unidos por ramas generadas
por un árbol, la metodología usada para determinar este camino es en primer lugar generar un
árbol inicial con sus nodos, luego analizar las características del árbol reubicándolo de forma en
que sus distancias queden en forma creciente permitiendo así que los nodos se reubiquen de otra
forma, se elegirá un nodo un nodo de partida y un nodo de llegada, se compararán los costos de
los nodos asociados a los vecinos del nodo de partida eligiéndose el camino con menor costo
como la dirección en la que irá y luego desde ese nodo se analizarán los costos de los vecinos y se
realizará el mismo proceso hasta llegar al nodo de destino, recorrido.

Alcances:

-Permite calcular la ruta óptima entre cada par de nodos haciendo que esto se escoja por
caminos cada nueva ruta de esta forma tendremos que la ruta no debe volver a generarse y por
tanto el proceso es más eficiente.

-La complejidad computacional del algoritmo es poca haciendo que los procesos en general sean
eficientes.

Limitaciones:

-El algoritmo no sirve para adaptarlo a casos como si uno quisiera hallar el costo mínimo de
recorrer todos los nodos una vez hasta llegar al punto de partida inicial no sirviendo del todo para
calcular rutas óptimas.

-Es fuertemente dependiente de un administrador de información, además de necesitar

distribuirse de una manera específica(jerárquica) para realizar el proceso cosa que para un número
de nodos grandes puede ser muy complejo encontrar la solución.
-El algoritmo no funciona cuando tenemos costos negativos al ir de un nodo al otro, pues produce
respuesta incorrecta al ser calculada.

Texto:Matching:A well-Solved class of integer linear programs

En esta oportunidad se analiza un problema de programación entera denominado problema de

coincidencia el cual busca minimizar una función suma de costos sujetas a que las sumas de las
restricciones serán enteros, el problema de pareo (matching) una variación de este, el cual es lo
mismo considera que la suma de las restricciones en módulo no deben superar 2, este algoritmo
puede ser usado para analizar problemas de optimización combinatorial,en el texto se afirma que
para que el problema de coincidencia pueda tener solución es necesario imponer límite superior
en las entradas del número de nodos, el número de bordes así como la suma de restricciones
enteras y se nos propone que además debe cumplir la desigualdad del teorema 12 del artículo las
cuales se dan en los subconjuntos de índices que cumplen las propiedades (16) y (17).

Alcances:

-Al parecer es un algoritmo que puede obtener una solución para grafos de gran tamaño en poco
tiempo. Cuyo valor es muy razonable.

Limitaciones:

-Dentro del algoritmo no considera el problema de imposición de un error de referencia como

tope haciendo que el error obtenido por el algoritmo pueda crecer de forma indefinida.

Texto: Improvements and extensions to the Miller-Tucker-Zemlin subtour elimination constraint

Este texto nos habla de una forma en cómo usar las restricciones de eliminación de subtour para
así tener una solución más óptima para los problemas de enrutamiento de vehículos en los cuales
se buscan las m rutas de costo mínimo de recorrido en que van de un lugar y deben llegar al
mismo visitando los nodos una sola vez como casos particulares consideramos el problema de
enrutamiento de vehículos capacitado en que todos los vehículos tiene la misma capacidad, el
problema de enrutamiento de vehículo con distancia restringida el cual considera que la distancia
recorrida no exceda un cierto valor impuesto y el problema de vehículos enrrutados con ventanas
de tiempo en el cual un vehículo debe llegar a cada nodo en un límite de tiempo, en él se propone
la formulación DFJ la cual tiene por objetivo minimizar el costo asumiendo la eliminación de
subtour como restricción y además se restringen los valores que pueden tomar las restricciones
acotándolas, el problema MTZ es posible adaptarlo al de vehículos enrutados capacitados pues al
tener restricciones las cotas de los nodos, la diferencia de estos nodos puede ser acotada para así
eliminar subtour en los problemas, por otro lado para los otros dos casos particulares para los
vehículos enrrutados debemos imponer que la suma de distancias será acotada superiormente por
una constante M y así eliminamos subtour, mientras que para el problema de ventanas de tiempo
como cota el máximo de los largos de las ventanas de tiempo, luego y con el fin de ver las mejoras
aportadas por el MTZ en los casos particulares de enrutamiento de vehículos es que se consideró
la obtención del costo de 10 promedios de 50 ciudades usando distancias aleatorias simétricas,
asimétricas y euclidiana con esto se evidencia que para el caso simétrico se logra una mejora
respecto a los resultados obtenidos sin MTZ en la mayoría de casos, para el caso de distancia
asimétrica no se mejora mucho y luego se analiza finalmente realizar la razón DFJ/ASS donde ASS
representa las cotas enlazadas se obtiene que estos valores no son muy distintos a los obtenidos
considerando en vez de DFJ la restricción levantada de MTZ.

Alcances:

-Por los resultados computacionales obtenidos en la tabla es posible ver que al levantar
restricciones el valor del cociente obtenido por MTZ+/ASS aumenta significativamente con
distancia euclidiana y distancia simétrica siendo TSP y DVRP donde más aumenta, lo cual tiene
sentido por la enorme cantidad de restricciones que manejan ambos problemas.

-Al calcular DFJ/ASS para el problema del vendedor viajero (TSP) el paper nos dice que es un tanto
parecido a los valores obtenidos al usar MTZ+/ASS lo cual hace sentido ya que en ambos casos se
involucra el valor de la variable de decisión xij en función del arco que se analiza.

Limitaciones:

-Dado que en los problemas de enrutamiento con ventana temporal y de enrutamiento con
restricción de distancia es necesario acotar por el máximo de la diferencia de restricciones para
eliminar el subtour puede que esta diferencia sea un valor muy grande haciendo que en algunos
casos no sea posible generar la restricción limitando el uso de esta estrategia para adaptarlo a
distintos problemas.

-La enorme cantidad de restricciones que necesitaría un grafo de una cantidad muy grande de
nodos podría hacer que la resolución del problema de optimización sea muy tardía,haciendo que
en algunos casos sea preferible usar MTZ+ con levantamiento de restricciones lo que según los
datos obtenidos por la tabla nos de resultaods muy alejados del valor esperado.