You are on page 1of 16

Agente Viajero: Simple y Mltiple (Grupo 5)

Agente Viajero Simple y Mltiple


El Problema del Agente Viajero (PAV) o Traveling Salesman Problem (TSP) es un
problema que se estudia en Investigacin de Operaciones como parte de la toma
de decisiones en las organizaciones.
Este problema se plantea la siguiente pregunta: Dada una lista de ciudades y las
distancias entre cada par de ciudades, cul es la ruta ms corta posible que
visita cada ciudad exactamente una sola vez y vuelve a la ciudad de origen?
A este tipo de problemas a las ciudades se les define como nodos y a los caminos
entre las ciudades se les llama arcos. Los arcos pueden ser dirigidos y no
dirigidos. Si el arco es dirigido solo se puede ir desde el nodo inicial hasta el nodo
final, es decir, una calle con un solo sentido, y si el arco es no dirigido, significa
que los nodos se pueden recorrer en ambos sentidos. A cada arco se le puede
asociar una distancia o un costo.

El objetivo principal es ayudar al agente viajero a que dado n ciudades, siendo el


Cij el costo o distancia del viaje, desde la ciudad i hasta la ciudad j, encontrar una
ruta o un camino que sea el ms corto posible y que regrese a su ciudad de
partida.
Si Cij = Cij para todos las ciudades, el problema es simtrico y si Cij Cij para un
par de ciudades, entonces el problema es asimtrico.
Problema del Agente Viajero Simtrico
Conocido como el Symmetric Traveling Salesman Problem (TSP o PAV). Dado un
conjunto de n nodos y distancias para cada par de nodos, encontrar una longitud
total mnima que visite cada uno de los nodos exactamente una vez. La distancia
del nodo i al nodo j es la misma que del nodo j al nodo i.
Problema del Agente Viajero Asimtrico

Conocido como Asymmetric Traveling Salesman Problem (ATSP). Dado un


conjunto de nodos y distancias para cada par de nodos, encontrar una ruta de
longitud total mnima que visite cada uno de los nodos exactamente una vez. En
este caso, la distancia del nodo i al nodo j y la distancia del nodo j al nodo i puede
ser diferente.
Formulacin del El Problema del Agente Viajero (PAV) o Traveling Salesman
Problem (TSP)
El TSP presenta una gran facilidad para formularse, pero a medida que crece el
nmero de ciudades, el tiempo para obtener una solucin ptima crece ms. Para
formular el TSP como un problema de programacin entera se usa la variable Xij
que toma el valor de 1 si el arco (i,j) es usado, y el valor de 0 en cualquier otro
caso.
La formulacin de este problema es la siguiente:

Sujeto a las siguientes restricciones,


Para garantizar que se llega a cada ciudad exactamente una vez:

(j= 1,2,., n+1)

Para garantizar que se sale de cada ciudad exactamente una vez:

(i= 0,1,.., n)
Sin embargo, estas restricciones no bastan para garantizar que se est
optimizando sobre recorridos, es decir, que las soluciones factibles son slo
recorridos. Esto es, porque permiten la existencia de subrecorridos: Por ejemplo,
en el caso de seis ciudades haciendo 1 variables X 01,X012,X26,X45,X53, se satisfacen
todas estas restricciones. Para restringir slo a recorridos, hay que aadir
restricciones adicionales. Una forma de hacerlo es que en cada recorrido para

cada subconjunto de ndices de N= 0,1,..n; debe haber un arco que vaya a su


complemento y otro que venga.
En general, para cualquier L N con 2 |L| n1 (los de tamao 1 ya estn) las
restricciones son satisfechas por todo tour pero todo subtour viola al menos una
de ellas.

Por su gran facilidad para ser formulado y por su gran adaptabilidad a mltiples
situaciones prcticas el TSP ha sido uno de los problemas de optimizacin que
mayor inters ha despertado a los investigadores en las reas de matemticas
discretas, computacin e investigacin de operaciones.
El TSP se puede asociar con gran facilidad a mltiples problemas prcticos tales
como:
Programacin de tareas en mquinas: Aunque poco parecido a un TSP, esta
situacin se puede formular de la misma manera. Cada tarea se puede ver como
una de las ciudades a visitar y el tiempo necesario para cambiar de tarea ser la
distancia que hay entre una ciudad y otra. El objetivo en este caso ser minimizar
el tiempo total de cambio de referencia.
Recoleccin de rdenes en bodegas y centros de distribucin: Este problema
est asociado con la recoleccin de materiales en las bodegas. Suponiendo que
una orden que llega requiere un subconjunto de los artculos almacenados en la
bodega. Un vehculo o una persona debe recoger todos los artculos que luego
sern enviados al cliente. La relacin con el TSP es inmediata. Los lugares de
almacenamiento de los artculos corresponden a las ciudades, la distancia entre
dos ciudades est dada por el tiempo requerido para desplazarse desde una
localizacin a otra. El problema de encontrar la ruta ms corta es decir con el
tiempo de recogida ms pequeo se puede resolver como un TSP. Algunos casos
especiales del problema pueden resolverse fcilmente.
Optimizacin de rutas en el Problema de enrutamiento de vehculos: Una de las
aplicaciones de mayor importancia que se le ha asociado al TSP es su relacin
con el Problema de enrutamiento de vehculos (VRP- Vehicle Routing Problem).
Existen tambin mtodos de solucin Heurstica que buscan explotar la estructura
del problema para obtener soluciones en tiempos muy cortos. Entre estos mtodos
se cuentan el vecino ms cercano (Nearest Neighbor.), los mtodos de Insercin y
de Ahorros.
Se puede ver la resolucin de este mtodo a travs del siguiente
link: http://www.youtube.com/watch?v=xZXm2bM_MdI

A continuacin, se mostrar un ejemplo extrado del libro: Investigaciones de


operaciones de Handy Taha.
El programa de produccin diaria de Rainbow Company lotes de pinturas blanca
(W), amarilla (Y), roja (R) y negra (B). Como Rainbow usa las mismas
instalaciones en las cuatro clases de pintura, es necesario hacer una buena
limpieza entre los lotes. La siguiente tabla resume el tiempo de limpieza, en
minutos, donde al color del rengln sigue el color de la columna. Por ejemplo,
cuando despus de la pintura blanca sigue la amarilla, el tiempo de limpieza es de
10 minutos. Como un color no puede seguir as mismo, a los elementos
correspondientes se les asigna un tiempo de preparacin infinito. Determinar la
secuencia ptima para la produccin diaria de los cuatro colores, que minimice el
tiempo total de limpieza necesario.
Minutos de limpieza si la siguiente pintura es
Pintura actual
Blanca
Amarilla
Negra
Roja

Blanca

20
50
45

Amarilla
10

44
40

Negra
17
19

20

Roja
15
18
25

Pintura actual
Blanca
Amarilla
Negra
Roja

Blanca

20
50
45

Amarilla
10

44
40

Negra
17
19

20

Roja
15
18
25

Se puede concebir que cada pintura es una ciudad y que las distancias
representan el tiempo de limpieza necesario para cambiar de un lote de pintura al
siguiente. El caso se reduce as a determinar el circuito ms corto que se inicie
en el lote de pintura y pase exactamente una vez por cada uno de los tres lotes
restantes, para regresar al punto de partida. Este problema se puede resolver
enumerando exhaustivamente de los seis [(4 -1)! =3!=6] bucles posibles de la red.
La siguiente tabla indica que W->Y ->R->B->W es el ciclo ptimo.
Ciclo de produccin:
W -> Y ->B ->R ->W
W -> Y ->R ->B ->W
W -> B ->Y ->R ->W
W -> B ->R ->Y ->W
W -> R ->B ->Y ->W

10+19+25+45=99
10+18+20+50=98
17+44+18+45=124
17+25+40+20=102
15+20+44+20=99

W -> R -> Y ->B ->W


W -> Y ->B ->R ->W
W -> Y ->R ->B ->W

15+40+19+50=124
10+19+25+45=99
10+18+20+50=98

W -> B ->Y ->R ->W

17+44+18+45=124

W -> B ->R ->Y ->W

17+25+40+20=102

W -> R ->B ->Y ->W

15+20+44+20=99

W -> R -> Y ->B ->W

15+40+19+50=124

Para resolver la formulacin del problema de pinturas basadas en asignacin se


define a:
Xij= 1 si es pintura j sique a las pintura i, y cero en caso contrario.
Sea M con un valor positivo suficientemente grande; se puede formular el
problema de Rainbow:
Minimizar Z= MX WW + 10X WY + 17X WB+ 15X WR+ 20X YW+ MX YY+ 19X
YB + 18X YR+ 50X BW+ 44X BY+ MXBB+ 25X BR + 45X RW+ 40X RY+ 20X RB+
MX RR
Sujeto a,
XWW+ XWY+ XWB+ XWR= 1
XYW+ XYY+ XYB+ XYR= 1
XBW+ XBY+ XBB+ XBR= 1
XRW+ XRY+ XRB+ XRR= 1
XWY+ XYY+ XBY+ XRY= 1
XWB+ XYB+ XBB+ XRB= 1
XWY+ XYR+ XBR+ XWR= 1
Xij = (0,1) para toda i y j
La solucin es un ciclo.
El uso de M en la Funcin Objetivo garantiza que un lote de cierta pintura no siga
de otro de la misma pintura.
Ejemplo del problema Agente Viajero Simple en Winqsb

Ejemplo del problema Agente Viajero Simple con Sort de EXCEL


En el siguiente link se podr encontrar un ejemplo de un problema de Agente
Viajero Simple resuelto con la herramienta de EXCEL llamada

Sort: http://wps.prenhall.com/esm_tannenbaum_excursions_5/14/3688/944318.cw/
index.html
El problema de Agente Viajero Mltiple o Multiple traveling salesman
problem (m-TSP)
Para clarificar an ms la utilidad que tiene el TSP se explicar una de sus
extensiones, el m-TSP (Multiple Traveling Salesman Problem) en el cual hay m
agentes viajeros. El m-TSP consiste en determinar un conjunto de rutas para m
vendedores quienes parten al mismo tiempo y despus de haber realizado su ruta
retornan al punto de partida, cada ruta conserva las mismas condiciones de un
TSP (Parten desde la ciudad origen recorren un nmero n de ciudades, cada
ciudad es visitada solo una vez y retornan a la ciudad origen). El m-TSP busca
minimizar el costo total para visitar todas las ciudades. Su formulacin es la
siguiente:

El m-TSP tiene algunas variantes importantes:


Uno o varios lugares de despacho: En el caso de un solo lugar de despacho los
vendedores empiezan y terminan el viaje desde un mismo punto. Mientras que en
el otro caso pueden empezar en uno y terminar en otro. Adems se debe
considerar la asignacin de los vendedores a los centros de despacho.
Nmero de vendedores: El nmero de vendedores en el problema es un
parmetro establecido a priori o puede tratarse como una variable cuyo valor
resulta de la solucin del m-TSP.
Cargos Fijos: Cuando el nmero de vendedores en el problema no es fijo, a
cada vendedor se le asocia un costo en el cual se incurre cuando el vendedor es

utilizado en la solucin del problema, en este caso la minimizacin del nmero de


vendedores utilizados puede ser el objetivo.
Ventanas de tiempo (m-TSPTW): Aqu determinados nodos necesitan ser
visitados en periodos especficos de tiempo (conocidos como ventanas de tiempo),
teniendo este caso especfico utilizacin en ruteo de buses escolares, horarios de
aerolneas y en navieras.
Otras variantes especiales: Las cuales tienen restricciones sobre el nmero de
ciudades que pueden visitarse en cada viaje o la distancia mxima o mnima que
puede tener un viaje.
Algunas de las aplicaciones para el m-MTSP son:
Recogida postal: el problema consiste en determinar las distintas rutas para los
mensajeros con el mnimo costo posible, en este caso, el volumen pequeo de las
cartas hace que no haya restricciones de capacidad de los viajeros y por eso
puede modelarse como un m-TSP.
Enrutamiento de buses escolares: el objetivo es minimizar tanto el nmero de
buses como la distancia total del recorrido de cada uno de estos.
Robtica: los robots con el tiempo han tenido cada da ms utilizaciones tanto en
las empresas como en los hogares, ha dichos robots se les asignan un nmero de
tareas especificadas, la relacin que tiene con el m-TSP consiste en encontrar la
ruta ms eficiente para que un conjunto de robot realice sus tareas.
A continuacin, se mostrar una forma en que se puede resolver un problema o
ejercicio de Agente Viajero Mltiple:
Hay una "transformacin" para resolver el problema de Agente Viajero Mltiple,
que es el mismo problema de Ruteo de Vehculos. Siguindola, se puede obtener
una solucin, pero no ptima, para el problema de ruteo de vehculos, usando el
mismo mtodo en EXCEL que para el Agente Viajero Simple y que se encuentra
en el link anteriormente escrito. Las indicaciones son las siguientes:
a) Si hay "m" viajeros, entonces agregar "m-1" ciudades de "inicio" (normalmente
hay slo una).
b) Las distancias que hay entre las ciudades de inicio y la ciudad de inicio de los
viajeros, as como entre ellas, deben ponerse como "infinito".
c) Las distancias entre las ciudades de inicio (las m-1 ficticias y la real) y las
ciudades donde se va a "vender" deben definirse como "0" en la matriz de
distancias.
d) Aplicar la misma heurstica que para el problema de Agente Viajero Simple.
e) Al considerar el resultado, cada "ida" o "venida" a una de las m-1 ciudades
origen ficticias, debe redireccionarse a la ciudad origen ficticia
f)Se finaliza el ejercicio
Referencia: Prof. Orestes Manzanilla.

http://www.cio2014.org/

Artculo
volver

Estudio de heursticas para el


problema del Agente Viajero
Asimtrico
Nancy Aracely Arellano Arriaga1
Egresada de la Facultad de Ciencias Fsico
Matemticas
Irma Delia Garca Calvillo2
Centro de Investigacin en Matemticas Aplicadas
Cuerpo Acadmico de Anlisis Numrico y
Optimizacin
Facultad de Sistemas
Universidad Autnoma de Coahuila

CIENCIACIERTA No.30
Abril - Junio 2012

Autor para correspondencia: nya.269@gmail.com


2
Autor para
correspondencia:idgarcia@cima.uadec.mx

El Problema del Agente Viajero (Traveling Salesman Problem, TSP, por sus siglas en ingls) es quiz el ms
estudiado de los problemas de optimizacin combinatoria (Applegate, Bixby, Chvatal, Cook, 1998; y Lawler,
Lenstra, Rinnooy y Shmoys, 1985). Su popularidad se debe a que es fcil de plantear, pero difcil de resolver.
Se puede describir de la siguiente forma: Dadas n ciudades y el costo Cij que se tiene al viajar de una ciudad
a otra, se debe encontrar la ruta de costo mnimo para visitarlas todas pasando slo una vez por cada una de
ellas, y regresando a la de partida. A cada ruta se le llama tour o ciclo hamiltoniano.

Fuente: Becker (2004).


El TSP es muy popular, pero sigue siendo difcil de resolver.
Entre sus amplias aplicaciones (Applegate, Bixby, Chvatal y Cook, 2007), se encuentran:
Reparto

de

productos.

Donde

se

puede

mejorar

una

ruta

de entrega para seguir la ms corta.


Transporte. Mejorando la distribucin del camino seguido usando el de menor longitud.
Robtica. Permite resolver problemas de fabricacin para minimizar el nmero de desplazamientos al realizar
una serie de perforaciones en una plancha o en un circuito impreso.
Turismo y agencias de viajes. Aun cuando los agentes de viajes no tienen un conocimiento explcito del
Problema del Agente Viajero, las compaas dedicadas a este giro utilizan un software que hace todo el
trabajo. Estos paquetes son capaces de resolver instancias pequeas del TSP, sin embargo, abanderados con
el lema de La distancia ms corta entre dos puntos no es divertida, no buscan tours ptimos.
Horarios de transportes laborales y/o escolares. Estandarizar los horarios de los transportes es claramente
una de sus aplicaciones, tanto que existen empresas que se especializan en ayudar a las escuelas a
programarlos para optimizarlos en base a una solucin del TSP.
Inspecciones a sitios remotos. Pulleyblank (s. f.) report el uso del TSP para crear rutas a una firma petrolera
que deseaba inspeccionar 47 plataformas ubicadas en las costas de Nigeria; en este ejemplo las plataformas
fueron visitadas va area. Otro ejemplo similar es el caso donde un grupo de la Universidad de Maryland
model el problema de los horarios de una tripulacin barquera para que visitaran aproximadamente 200
estaciones en la baha de Chesapeake.
Secuencias. Donde se refiere al orden en el cual n trabajos tienen que ser procesados de tal forma que se
minimice el costo total de produccin.
En el Problema del Agente Viajero, la solucin es una permutacin de las n ciudades dadas, y se divide en
dos tipos:
TSP simtrico (STSP): En este caso, la matriz de costos Cij es simtrica, es decir, el costo que genera viajar
de la iudad i a la ciudad j es el mismo que el que se tiene al viajar de la ciudad j a la ciudad i.
TSP asimtrico (ATSP): En este caso, la matriz de costos Cij no es simtrica, es decir, el costo que se
genera de viajar de la ciudad i a la ciudad j, en general, no es el mismo que el que se tiene de viajar de la
ciudad j a la ciudad i.
Para ambos casos la formulacin matemtica es la misma, con la diferencia de que la matriz de costos para el
primero es simtrica, y para el segundo no. Se han desarrollado formulaciones matemticas especficas para
el caso asimtrico (ncan, Kuban y Laporte, 2009). En las aplicaciones, tanto el caso simtrico como el
asimtrico son sumamente importantes.
El Problema del Agente Viajero en su forma asimtrica tiene (n-1)! rutas posibles, esto es, (n-1)! posible
soluciones. La forma simtrica tiene tours, porque al cambiar la direccin de la ruta sta no cambia y sigue
siendo la misma.
En general, la parte simtrica ha sido ms explorada en cuanto a investigacin y desarrollo de algoritmos para
resolver el TSP.
Modelo
matemtico
Si se considera una matriz de distancias Cij, un grafo G=(V,A) completo y las variables de decisin Xij como
variables binarias, donde
matemtico del TSP es el siguiente (ncan et al., 2009):

, se tiene que el modelo

Con las restricciones (1) y (2) se indica que se entra y se sale de cada ciudad una sola vez. Cada una de
estas restricciones tiene una cardinalidad n. La restriccin (3) garantiza que no habr subtours en la solucin,
al no permitir que se pase ms de una vez por la misma ciudad. Realmente esta es la restriccin que complica
el modelo al tener un crecimiento exponencial, haciendo que sea difcil resolverlo, ya que se tiene una
restriccin por cada subconjunto del conjunto de vrtices. Esta restriccin tiene una cardinalidad 2 n.
El Problema del Agente Viajero puede resolverse de diferentes maneras:
Enumeracin de todas las soluciones factibles. Es decir, enlistar todas las posibles soluciones al problema,
calcular sus costos asociados, e identificar, por comparacin, cul es la solucin con el costo ms
conveniente.
Mtodos exactos. Tambin llamados algoritmos ptimos, intentan descartar familias enteras de posibles
soluciones, tratando as de acelerar la bsqueda y llegar a una ptima. Los que ms se usan para resolver el
TSP son Ramificacin y Acotamiento, y Ramificacin y Corte.
Heursticas. Son mtodos obtienen buenas soluciones en tiempos de cmputo muy cortos, aunque sin
garantizar la optimalidad de la solucin.
El TSP es un problema considerado difcil de resolver, propiamente dicho como NP-Completo. Es decir, es un

problema para el que no podemos garantizar que se encontrar la mejor solucin en un tiempo de cmputo
razonable, por esto, cuando una instancia de grandes dimensiones se resuelve con algn mtodo exacto,
toma un extenso periodo de tiempo. Con el uso de heursticas se tienen soluciones de muy buena calidad en
tiempos de cmputo mucho ms pequeos.
Heursticas
Las heursticas son mtodos inteligentes que buscan una buena solucin en un tiempo de cmputo razonable,
pero sin garantizar que sta sea la ptima (Johnson et al., 2002).
Existen diferentes tipos de heursticas (Glover, Gutin, Yeo y Zverovich, 2001):
Heursticas constructivas. Procedimientos que se encargan de obtener una solucin a partir de un criterio
inicial, esto es, construyen una solucin factible.
Heursticas de bsqueda local. Procedimientos para mejorar soluciones ya encontradas. Tratan de optimizar
localmente alrededor de una solucin, ubicando mnimos locales.
Heursticas combinadas: Procedimientos que constan de una heurstica constructiva y una heurstica de
bsqueda local.
Algunas heursticas para el Problema del Agente Viajero Asimtrico son las siguientes (Cirasella, Lyle,
McGeoch y Zhang, 2000):
El
vecino
ms
cercano
(heurstica
constructiva).
Esta heurstica se basa en la idea de moverse de una ciudad a la siguiente, de tal forma que, de todas las
opciones, la ciudad elegida sea la ms cercana a donde se encuentra ubicado el agente viajero (figura 1). Es
una heurstica miope, ya que en una iteracin3 escoge la mejor opcin que tiene disponible, sin ver que esto
puede obligarle a tomar malas decisiones posteriormente (Johnson et al., 2002).

Fuente: Elaboracin propia.


Figura 1. En la heurstica del vecino ms cercano, el agente viajero se
mueve a la ciudad ms prxima a la de donde se encuentra.
Insercin
aleatorizada
(heurstica
constructiva).
La idea central de esta heurstica est basada en el algoritmo de insercin aleatorizada, y consiste en crear
una ruta inicial de la forma ms econmica posible, despus elegir una trayectoria de forma aleatoria, y
eliminar los vrtices que pertenecen a ella (Brest y Zerovnik, 2005). Los vrtices eliminados se reinsertan al
tour resultante de la forma ms barata posible, creando un mejor tour que el inicial (Johnson et al., 2002).

Fuente: Elaboracin propia.


Figura 2. La heurstica de Insercin aleatorizada consiste en crear una
ruta inicial de la forma ms econmica posible, despus elegir una
trayectoria de forma aleatoria, y eliminar los vrtices que pertenecen a ella.
Bsqueda
local
(2-opt).
El movimiento 2-Opt consiste en eliminar dos aristas rompiendo una ruta inicial en dos caminos, y
reconectndolos de una manera diferente para obtener un nuevo ciclo (Johnson et al., 2002). Cabe destacar
que slo existe una manera de reconectar el tour, obteniendo una nueva trayectoria asociada a una solucin
factible del problema.
Experimentacin
computacional
Los algoritmos de las heursticas descritas se implementaron computacionalmente, y se resolvieron tanto
instancias pequeas como de la librera electrnica TSPLIB4. Enseguida se muestran los resultados
obtenidos al resolverlas con cada uno de los procedimientos heursticos antes descritos.
Los resultados muestran el valor de la funcin objetivo, esto es, la distancia total recorrida por el agente
viajero y el tiempo total de la ejecucin del algoritmo. Todos los tiempos estn dados en segundos.

Fuente: Elaboracin propia.


Figura 3. El movimiento 2-Opt consiste en eliminar dos aristas rompiendo
una ruta inicial en dos caminos, y reconectndolos de una manera diferente
para obtener un nuevo ciclo.

Fuente: Elaboracin propia.


Conclusiones
En
general,
los
de
llegar
al
ptimo
tiempo de cmputo pequeo.

dos
en

algoritmos
instancias

constructivos
pequeas,

son
todos

capaces
con
un

En instancias grandes, la miopa del vecino ms cercano se hace evidente, sin embargo, es el algoritmo con

el mejor tiempo de cmputo, esto es, el ms rpido.


La insercin aleatorizada ofrece soluciones de buena calidad aun en instancias grandes, pero es ms tardada
que el vecino ms cercano.
La bsqueda local unida al vecino ms cercano genera una mejora significativa sin comprometer el tiempo.
Unida a la insercin aleatorizada, sigue obteniendo muy buenas soluciones, sin embargo, el tiempo aumenta
considerablemente.
Para decidir qu algoritmo utilizar se debe ponderar tanto el tiempo que se tiene para dar una solucin, as
como qu tan estricta es la exigencia de la calidad de la solucin.

Referencias
bibliogrficas
Applegate, D., Bixby,R., Chvatal V., Cook,W. On the solution of the Traveling Salesman Problem.
DocumentaMathematica-Extra
Volume
ICM
III.
1998.
645-656.
Brest,J., Zerovnik,J. A heuristic for the Asymmetric Traveling Salesman Problem. The 6th Metaheuristics International
Conference.
2005.
145-150.
Cirasella,J., Lyle,D.., McGeoch,L., Zhang,W. The Asymmetric Traveling Salesman Problem: Algorithms, Instance
Generators, and Tests. Springer Lecture Notes in Computer Science 2153. 2000. 32-59.
Glover,F., Gutin,G., Yeo,A., Zverovich,A. Construction Heuristics for the asymmetric TSP. European Journal of
Operational
Research
129
III.
2001.
555568.
Johnson ,D., Gutin, G., McGeoch, L., Yeo,A., Zhang,W., Zverovitch, A. Experimental Analysis of heuristics for the ATSP.
The
Traveling
Salesman
Problem
and
its
Variations.
2002.
445-487.
Lawler, E., Lenstra, J., Rinnooy, A., Shmoys, D. The Traveling Salesmen Problem: A Guided Tour of Combinatorial
Optimization.
John
Wiley
&
Sons.
1985.
ncan,T., Kuban A., Laporte, G. A comparative analysis of several asymmetric traveling salesman problem formulations.
Computers and Operational Research. 36 Issue III. 2009. 637-654

You might also like