Estado del Arte en el Problema de Ruteo de

Vehculos (VRP)
Magdalena Benavente, Jaime Bustos
Laboratorio de Ingeniera Aplicada, Departamento de Ingeniera de
Sistemas,
Universidad de La Frontera
Mail: jbustos@ufro.cl
Resumen
En este trabajo se analiza el estado del arte del
problema de ruteo de vehculos (VRP) y el uso de
herramientas de apoyo en empresas nacionales.
Finalmente se elabora un propuesta de elementos
deseables en una herramienta tecnolgica que permita
la resolucin de este tipo de problemas en la prctica.
Palabras claves:
Distribucin

Ruteo de vehculos

VRP Logstica

1. Introduccin
El problema de ruteo de vehculos (VRP por sus siglas en ingls)
es el nombre genrico dado a la clase de problemas en los que se debe
determinar una serie de rutas para una flota de vehculos basados en
uno o ms depsitos, para un cierto nmero de ciudades o clientes
geogrficamente dispersos. Es uno de los problema de optimizacin
combinatorial y programacin no lineal ms desafiante que existe por su
complejidad (fue mostrado pertenecer al tipo NP-Hard por Rinooy Kan y
xxx, 1981) y a la vez est comnmente presente en aplicaciones
industriales.
En su forma ms sencilla, el objetivo del VRP es satisfacer a una
serie de clientes con demandas conocidas, en rutas vehiculares de
mnimo costo, que se originan y terminan en un depsito. A continuacin
se presenta en la ilustracin 1 un tpico ejemplo de una solucin simple
de un VRP:

Ilustracin 1: Solucin simple a un VRP.

Ballou (2004) hace referencia a que la distribucin, cuando
proporciona un adecuado nivel de servicio con el fin de satisfacer las
necesidades del cliente, puede llevar directamente a un incremento en
las ventas, un mayor porcentaje de participacin en el mercado y
contribuir en la disminucin de costos y por consiguiente, en un
aumento de las utilidades.
El VRP surge naturalmente como el problema central en los
campos de transporte, distribucin y logstica. En algunos mercados,
transporte significa un alto porcentaje del valor agregado de los bienes.
Es por esto que la utilizacin de mtodos computarizados para el
transporte resulta frecuentemente en ahorros significativos, variando
entre un 5% y un 20% de los costos totales, como informan Toth y Vigo
(2001).
Los VRP son uno de los problemas ms conocidos y desafiantes en
la programacin entera, que cae en la categora denominada NPcompletos (Rinooy Kan y xxx, 1981), esto es, los problemas que no se
pueden resolver en tiempo polinomial en funcin del tamao de la
entrada. El tiempo y esfuerzo computacional requerido para resolver
este problema aumenta exponencialmente. Para este tipo de problemas
es a menudo deseable obtener soluciones aproximadas, para que
puedan ser encontradas lo bastantemente rpido y que sean
suficientemente exactas para su propsito. Usualmente esta tarea es
lograda usando varios mtodos heursticos, que dependen de cierta
visin interna de la naturaleza del problema.
La funcin objetivo depende de la tipologa y caractersticas
del problema. Lo ms habitual es intentar:

a.
b.
c.
d.
e.
f.
g.
h.

minimizar el coste total de operacin,

minimizar el tiempo total de transporte,
minimizar la distancia total recorrida,
minimizar el tiempo de espera,
maximizar el beneficio,
maximizar el servicio al cliente,
minimizar la utilizacin de vehculos,
equilibrar la utilizacin de los recursos, etc.

2. Modelacin Matemtica del VRP

Dantzig y Ramser fueron los primeros autores en 1959, cuando
estudiaron la aplicacin real en la distribucin de gasolina para
estaciones de carburante. Desde entonces ha sido motivo de
considerable investigacin en la literatura especializada. Se puede
encontrar revisiones de estado del arte en Toth y Vigo (2002), Fischer
(1995) y Laporte y Osman (1995).
El modelo matemtico ms comnmente utilizado para
representar este problema fue propuesto por Miller-Tuckin-Zemlin () como se
indica a continuacin:

Eduardo lo tiene digitado en su tesis .

El problema de ruteo de vehculos est compuesto de dos grandes

tipos de decisiones muy complejas: la asignacin de clientes a vehculos
3

(Knapsack Problem) y establecer la secuencia adecuada de visita a los

clientes que debe realizar un vendedor o vehculo (Traveling Salesman
Problem o TSP).

3. Clasificacin de Problemas de Ruteo de Vehculos

En el mundo real, en los VRP aparecen muchas restricciones
especiales, aparte de las ya nombradas. Esto crea el surgimiento de
variantes del problema original. Algunas de las principales son:
a. El problema del vendedor viajero (Traveling Salesman
Problem - TSP)
b. Cada vehculo tiene una capacidad limitada (Capacitated
VRP - CVRP)
c. Cada cliente tiene que ser atendido dentro de una cierta
ventana de tiempo (VRP with time windows - VRPTW)
d. El vendedor usa varios depsitos para abastecer a los
clientes (Multiple Depot VRP - MDVRP)
e. Los clientes tienen la opcin de devolver algunos bienes al
depsito (VRP with Pick-Up and Delivering - VRPPD)
f. Los clientes pueden ser abastecidos por distintos vehculos
(Split Delivery VRP - SDVRP)
g. Algunos valores (como nmero de clientes, sus demandas,
tiempo de servicio o tiempo de viaje) son aleatorios
(Stochastic VRP - SVRP)
h. Los pedidos pueden ser llevados slo en ciertos das
(Periodic VRP - PVRP)
3.1 El problema del vendedor viajero (TSP)
El problema del vendedor viajero (por sus siglas en ingls TSP) es
uno de los problemas ms famosos (y quizs el mejor estudiado) en el
campo de la optimizacin combinatoria computacional. A pesar de la
aparente sencillez de su planteamiento, el TSP es uno de los ms
complejos de resolver y existen demostraciones que equiparan la
complejidad de su solucin a la de otros problemas aparentemente
mucho ms complejos que han retado a los matemticos desde hace
siglos.
El planteamiento es el siguiente: un vendedor que quiere
encontrar la ruta ms corta posible, partiendo desde su casa y llegando
a la misma, y visitando a todos sus clientes slo una vez, es decir sin
pasar dos veces por el mismo punto.
Desde el punto de vista prctico, el problema no est resuelto y
desde el punto de vista terico, las tcnicas empleadas son slo
4

aproximaciones. No suponen una resolucin real del TSP y slo ofrecen

soluciones aproximadas suficientemente aceptables.
La solucin ms directa es la que aplica la fuerza bruta: evaluar
todas las posibles combinaciones de recorridos y quedarse con aquella
cuyo trazado utiliza la menor distancia. El problema reside en el nmero
de posibles combinaciones que viene dado por el factorial del nmero de
ciudades (N!) y esto hace que la solucin por fuerza bruta sea
impracticable para valores de N incluso moderados con los medios
computacionales actualmente a nuestro alcance. Por ejemplo, si un
ordenador fuese capaz de calcular la longitud de cada combinacin en
un microsegundo, tardara algo ms 3 segundos en resolver el problema
para 10 ciudades, algo ms de medio minuto en resolver el problema
para 11 ciudades y... 77.146 aos en resolver el problema para slo 20
ciudades.
Los algoritmos clsicos no son capaces de resolver el
problema general, debido a la explosin combinatoria de las posibles
soluciones. Por ello, a su solucin se han aplicado distintas tcnicas
computacionales: heursticas evolutivas, redes de Hopefield, etc.
El TSP est entre los problemas denominados NP-completos,
esto es, los problemas que no se pueden resolver en tiempo polinomial
en funcin del tamao de la entrada (en este caso el nmero N de
ciudades que el viajante debe recorrer). Sin embargo, algunos casos
concretos del problema s han sido resueltos hasta su optimizacin, lo
que lo convierte en un excelente banco de pruebas para algoritmos de
optimizacin que pertenezcan a la misma familia.
3.2 Capacitated VRP (CVRP)
Este problema es una extensin del clsico problema del vendedor
viajero (TSP), en que las rutas permitidas son limitadas por la necesidad
de que los objetos deben ser entregados desde un punto fuente hasta su
destino por un vehculo de capacidad finita.
En este tipo de problema, se cuenta con un centro de depsito, n
vehculos con capacidad definida para cada uno. stos deben salir y
regresar al depsito despus de cumplir una secuencia de visita a
clientes que se debe definir. Las restricciones que se deben tener en
cuenta son las de visitar a todos los clientes una vez, satisfacer la
demanda total y no sobrepasar la capacidad de carga mxima de cada
vehculo.

El objetivo es minimizar la flota de vehculos y la suma del tiempo

de viaje, y a la vez la demanda total para cada ruta no puede exceder la
capacidad del vehculo que realiza esa ruta.
Una solucin es factible si la cantidad total asignada a cada ruta
no excede la capacidad del vehculo que realizar la ruta.
Algunos de los trabajos relacionados son por ejemplo, The
Capacitated Vehicle Routing Problem (CVRP) [6] en este problema se
tiene un conjunto de puntos en un espacio mtrico, un grupo de
vehculos de cierta capacidad y una coleccin de ru tas de vehculos
empezando en un origen, los cuales cada uno deben visitar un punto
determinado. Otro de los trabajos es The Precedence- Constrained TSP
[7] que implica la existencia de un nmero finito de puntos que se deben
visitar antes de visitar un punto definido. Estos problemas son muy
importantes, y las soluciones planteadas en este artculo son muy
interesantes.

3.3 Times Windows VRP (TWVRP)

Es el mismo problema que VRP, pero con la restriccin adicional
que ventanas de tiempo en las que los clientes deben ser atendidos. Las
ventanas de tiempo implican la existencia de un lmite o intervalo de
tiempo dentro del cual un cliente debe ser abastecido.
El objetivo es minimizar la flota de vehculos, el tiempo total de
viaje y el tiempo de espera necesario para abastecer a todos los clientes
en sus respectivos horarios.
Las soluciones son factibles si, adems de las caractersticas de las
soluciones de VRP, se agregan las siguientes caractersticas: una
solucin se convierte en infactible si un cliente es abastecido despus
del lmite superior de su ventana horaria, si el vehculo llega antes del
lmite inferior de la ventana horaria el tiempo causa un aumento en el
tiempo de espera, cada ruta debe empezar y terminar dentro de la
ventana de tiempo asociada al depsito y en el caso de ventanas menos
estrictas, un servicio tardo no afecta a la factibilidad de la solucin pero
si se penaliza agregando un valor a la funcin objetivo.
Una aproximacin heurstica robusta es propuesta en [2] para el
problema de rutas de vehculos con ventanas de tiempo, usando un
eficiente algoritmo gentico. El principal objetivo del artculo es
6

minimizar la distancia viajada. En los resultados propuestos, el

comportamiento de mtodos heursticos fue comparado con mtodos
exactos en trminos de encontrar un ptimo global, robustez y esfuerzo
computacional, usando las mismas suposiciones para la precisin del
clculo y la definicin de la funcin objetivo.
Este problema es tambin abordado en la tesis doctoral [3], para
el cul usan un mtodo llamado Dantzig-Wolfe. En este mtodo el
problema es dividido en dos, el problema maestro relacionado con el
conjunto de particiones del problema que garantiza que cada cliente es
visitado exactamente una vez, y el sub-problema es el problema de la
ruta ms corta, con restricciones adicionales (capacidad y ventana de
tiempo). Esta tesis es bastante completa, y presenta de una manera
clara los algoritmos usados y la parte matemtica. Es un material muy
bueno para ser tenido en cuenta en el proyecto a desarrollar.
En otro trabajo [4] se presenta una solucin para este problema
con algoritmos genticos. El propsito fundamental de este trabajo es
ser hbil para organizar diferentes rutas para cualquier problema de
recoleccin o distribucin para satisfacer todas las restricciones
impuestas. Algunos algoritmos fueron implementados para la
experimentacin en el caso de criterio nico y el de multicriterio.
Un algoritmo de optimizacin de colonia de hormigas (ACO) es
propuesto como solucin a este problema en [5], el cual es basado en el
sistema de hormigas, que fue inspirado sobre el comportamiento real de
las hormigas. El objetivo es minimizar el costo total, el cual consiste de
costos en la cantidad de vehculos utilizados y la distancia total viajada.
Para ello usan una funcin objetivo de pesos para minimizar el tamao
del conjunto de vehculos necesarios. Finalmente se presentan unos
resultados de la simulacin para los cuales usaron un algoritmo
heurstico y una implementacin secuencial del ACO para ver el
desempeo del ACO hibrido frente a los otros.
3.4 VRP with multiple depot (MDVRP)
Una compaa puede tener varios depsitos desde donde abastece
a sus clientes. Si los clientes se encuentran agrupados alrededor de los
depsitos, entonces el problema de distribucin se puede modelar como
varios VRP independientes. No obstante, si los clientes y los depsitos se
localizan entremezclados tenemos en problema de MDVRP. En este tipo
de problema se consideran varios depsitos, donde en cada uno de ellos
existe una flota de vehculos. Cada depsito tiene a su cargo a un
nmero de clientes, los cuales son atendidos por los vehculos asignados
al depsito. El objetivo de este problema, junto al ya mencionado de
7

reducir la distancia recorrida, es minimizar la flota de vehculos

asignados a cada depsito.
En [10] se enfoca principalmente en la asignacin (agrupamiento)
de los clientes a los almacenes, y compara los resultados obtenidos por
seis heursticas con asignacin (asignacin a travs de urgencias,
asignacin paralela, asignacin simplificada y barrido de asignacin)
obtenidos para resolver un problema de transporte para los mismos
casos. Estos resultados fueron obtenidos utilizando una herramienta
llamada STAAR, desarrollada bajo el software ArcView 3.0, plataforma
GIS. Con estas pruebas, se concluye que los algoritmos de urgencia son
los ms recomendables en problemas grandes de la vida real.
3.5 VRP with Pickup and Delivery (PDVRP)
Esta variante incluye la posibilidad de recoger y entregar
mercanca en lugar de slo entregarla. Tambin se contempla la
devolucin de bienes por parte de los clientes. Por lo que hay que
considerar que los bienes que entregan los clientes quepan en el
vehculo. Esta restriccin de devolucin dificulta la planificacin, lo que
se traduce en una utilizacin ineficiente de la capacidad del vehculo y
un aumento en las distancias de viaje. El fin es encontrar rutas ptimas
de visita a los lugares de entrega y recibo para una flota de vehculos.
Por consiguiente es usual que se consideren situaciones
restringidas, en donde todas las demandas de entrega empiezan desde
el depsito y todos los bienes recogidos sern llevados de vuelta al
depsito, logrando de esta manera que no se produzcan intercambios de
bienes entre clientes. Otra alternativa es relajar la restriccin de que los
clientes deben ser visitados exactamente una vez. Otra simplificacin
usual es considerar que cada vehculo debe entregar todo su contenido
antes de recoger otros bienes de los clientes.
3.6 VRP with split deliveries (SDVRP)
SDVRP es una relajacin del VRP, en donde se permite que un
mismo cliente sea abastecido por distintos vehculos, siempre y cuando
esto ayude a reducir los costos totales de la ruta. El problema consiste
en que dada una flota de vehculos homogneos estacionados en un
depsito central y un conjunto de clientes requiriendo que sus
demandas sean satisfechas, se deben encontrar las rutas de los
vehculos empezando y terminando en el depsito cuando cada cliente
sea visitado. Se diferencia de otros problemas ms conocidos de rutas

con capacidades en que se permite abastecer la demanda de cada

cliente utilizando ms de un vehculo.
Para la solucin de este problema [8] proponen una bsqueda
heurstica tab con cuatro diferentes estructuras de vecindad. Este
problema tambin es abordado con el estudio del poliedro asociado al
Problema de Rutas de Vehculos con Demanda Compartida [9], problema
de distribucin que surge cuando hay que repartir mercancas a un
conjunto de clientes utilizando una flota fija de vehculos de capacidad
limitada. El objetivo es disear las rutas de forma que se minimice la
distancia total recorrida.
3.7 Stochastic VRP (SVRP)
En este problema se asume alguno(s) componente(s) no
determinista(s) presentes en el sistema. Ya sea encontramos a clientes
con una probabilidad de presencia o de ausencia, a clientes cuya
demanda es una variable al azar y clientes donde el tiempo de servicio,
junto con el tiempo de recorrido, son variables aleatorias.
En los SVRP existen dos etapas para llegar a una solucin. Una
primera solucin es determinada antes de conocer las realizaciones de
las variables aleatorias. En una segunda etapa, un recurso o accin
correctiva puede tomarse cuando se conocen los valores de las variables
aleatorias.
Debido a la aleatoriedad de algunos datos, no es posible requerir
que todas las restricciones se satisfagan para todas las realizaciones de
las variables aleatorias. As que la decisin puede requerir, ya sea el
cumplimiento de ciertas restricciones con una probabilidad dada, o la
incorporacin en el modelo de acciones correctivas a considerarse
cuando una restriccin es violada.
3.8 Periodic VRP (PVRP)
En los problemas clsicos de VRP el periodo de planeacin es de
un da. En el caso de los PVRP, el clsico VRP es generalizado
extendiendo el periodo de planeacin a M das.
Para esta variante se debe considerar las restricciones de que un
cliente debe ser visitado como mnimo una vez dentro de un perodo de
tiempo definido, cada vehculo debe tener una capacidad de carga
definida, se tiene que satisfacer la demanda de cada cliente y respetar
algunos horarios de recepcin de mercadera y no es necesario que el
vehculo tenga que regresar al depsito en el mismo da que sali, sino
que debe regresar dentro del perodo de tiempo ya definido.
9

El objetivo es minimizar el costo de la suma de todas la rutas.

Cada cliente tiene una demanda diaria conocida que debe ser
completamente satisfecha en slo una visita y con exactamente un
camin. Si el periodo de planeacin de 1 da, entonces el problema se
convierte en un simple VRP. Cada cliente debe ser visitado k veces,
donde 1 k M. En el modelo clsico de PVRP la demanda diaria de un
cliente est siempre arreglada. El PVRP puede ser visto como un
problema de generar un grupo de rutas para cada da, para que las
restricciones involucradas sean satisfechas y los costos globales sean
minimizados. Tambin estos problemas pueden ser vistos como
problemas de optimizacin combinatorial de multiniveles.
o En el primer nivel el objetivo es generar un grupo de
alternativas factibles (combinaciones) para cada cliente.
o En el Segundo nivel se debe seleccionar una de las
alternativas para cada cliente, de manera que las restricciones diarias
sean satisfechas. De este modo se debe seleccionar los clientes a ser
visitados en cada da.
o En el tercer nivel se resuelve el VRP para cada da.
4. Mtodos de Solucin del VRP
La manera de abordar los problemas de ruteo de vehculos y dar
una buena solucin para este tipo de problemas va desde mtodos
sencillos utilizando herramientas grficas (para problemas de baja a
mediana complejidad) hasta el uso de modelos de optimizacin basados
en programacin lineal/entera diseados especficamente para una
familia de problemas dados o bien mtodos heursticos (Metaheursticos)
para la bsqueda de soluciones de buena calidad en tiempos limitados.
Los mtodos comnmente usados en la literatura incluyen:
Incorporar una lista de los enfoques de solucin utilizados, con
referencias correspondientes (ver en webVRP)
Existe en el mercado una variedad de herramientas de software
tanto comercial como de libre uso para abordar diferentes tipos de
problemas de ruteo de vehculos (ver http://neo.lcc.uma.es/radiaeb/WebVRP/ y http://www.or.deis.unibo.it/research_pages/tspsoft.html
).

10

4.1 Complejidad y Heurstica

Los problemas a trabajar son de complejidad NP-completa, con un
gran nmero de clientes. Actualmente, todos los algoritmos conocidos
para problemas NP-completos utilizan tiempo exponencial con respecto
al tamao de la entrada. Se desconoce si hay algoritmos ms rpidos,
por lo cual, para resolver un problema NP-completo de tamao
arbitrario, se utiliza uno de los siguientes enfoques:
Aproximacin: Un algoritmo que rpidamente encuentra una
solucin no necesariamente ptima, pero dentro de un cierto rango de
error. En algunos casos, encontrar una buena aproximacin es suficiente
para resolver el problema, pero no todos los problemas NP-completos
tienen buenos algoritmos de aproximacin.
Probabilstico: Un algoritmo probabilstico utiliza aleatoriedad para
obtener en promedio una buena solucin al problema planteado con una
pequea probabilidad de fallar, para una distribucin de los datos de
entrada dada.
Restricciones: Restringiendo la estructura de las entradas se
pueden encontrar algoritmos ms rpidos.
Casos particulares: Puede ocurrir que se reconozcan casos
particulares del problema para los cuales existen soluciones rpidas.
Algoritmo gentico: Algoritmos que mejoran las posibles
soluciones hasta encontrar una que posiblemente est cerca del ptimo.
Tampoco existe forma de garantizar la calidad de la respuesta.
Heursticas: Un algoritmo que trabaja razonablemente bien en
muchos casos. En general son rpidos, pero no existe medida de la
calidad de la respuesta. Las aproximaciones metaheursticas suelen ser
empleadas.
Debido a las caractersticas de nuestro estudio, se hace necesaria
la utilizacin de la heurstica y metaheurstica.
En computacin, dos objetivos fundamentales son encontrar
algoritmos con buenos tiempos de ejecucin y buenas soluciones,
usualmente las ptimas. Una heurstica es un algoritmo que abandona
uno o ambos objetivos; por ejemplo, normalmente encuentran buenas
soluciones, aunque en ocasiones no hay pruebas de que la solucin no
pueda ser arbitrariamente errnea; o se ejecuta razonablemente rpido,
aunque no existe tampoco prueba de que deba ser as.
11

Como disciplina cientfica, la heurstica es aplicable a cualquier

ciencia e incluye la elaboracin de medios auxiliares, principios, reglas,
estrategias y programas que faciliten la bsqueda de vas de solucin a
problemas; o sea, para resolver tareas de cualquier tipo para las que no
se cuente con un procedimiento algortmico de solucin.
Una metaheurstica es un mtodo heurstico para resolver un tipo
de problema computacional general, usando los parmetros dados por el
usuario sobre unos procedimientos genricos y abstractos de una
manera que se espera eficiente. Normalmente, estos procedimientos son
heursticos.
Las metaheursticas generalmente se aplican a problemas que no
tienen un algoritmo o heurstica especfica que d una solucin
satisfactoria; o bien cuando no es posible implementar ese mtodo
ptimo. La mayora de las metaheursticas tienen como objetivo los
problemas de optimizacin combinatoria
5. VRP en Chile
En nuestro pas, el problema de ruteo de vehculos ha sido abordado por
diferentes medios. En el mbito acadmico destaca los trabajos de xxx
(), xxx (), xxx (), xxx () y xxx (). (NOTA: buscar en los catlogos de tesis
de la Chile, la UCT, UTFSM, UdeConce, UTalca y UFRO los nombres de
profesores trabajando en el rea en Chile deberan incluir: Andres
Weintraub, Rafael Epstein, Carmen Ortiz, ver miembros de ICHIO en
www.ichio.cl)
En tanto, en las empresas se ha privilegiado la adquisicin de
herramientas desarrolladas en el extranjero, como (NOTA: validar esta
informacin con la opinin de nuestros titulados trabajando en el rea
te puedo dar unos nombres para hacerles consultas no estara de ms
elaborar una breve encuesta de una 6-10 preguntas para hacerles)
6. Componentes de una herramienta de Ruteo de Vehculos
Incorporar:
- una lista de proveedores, pantallazos de sus aplicaciones
- listado de caractersticas deseables de un software para VRP
- listado de funciones necesarias
obtener desde ORMS review

12

(NOTA: estoy pensando en que en el LIA-DIS desarrollemos un prototipo.

Esta seccin ser muy util para el diseo)
7. Conclusiones
Se ha presentado en este trabajo el estado del arte del problema de
ruteo de vehculos (VRP) y el uso de herramientas de apoyo en
empresas nacionales. Finalmente se elabor un propuesta de elementos
deseables en una herramienta tecnolgica que permita la resolucin de
este tipo de problemas en la prctica.

13

Bibliografa:
[1] Gabriela Alfonsina Salamanca Fajardo. Problemas de Planeacin de
Rutas Vehiculares y sus Aplicaciones.
[2] G. de Tomi G. B. Alvarenga, G. R. Mateus. Finding near optimal
solutions for vehicle routing problems with time windows using hybrid
genetic algorithm.
[3] Parallelization of the Vehicle Routing Problem with Time Windows.
PhD thesis, 2001.
[4] Multicriteria genetic algorithms for the vehicle. Malek Rahoual,
Boubekeur Kitoun, Mohamed-Hakim Mabed, and Vincent Bachelet
Fthia Benameur, MIC2001 - 4th Metaheuristics International
Conference .
[5] K. Doerner, R.F. Hartl, and M. Reimann. A hybrid aco algorithm for the
full truckload transportation problem.
[6] Prasad Chalasani and Rajeev Motwani. Approximating capacitated
routing and delivery problems. SIAM Journal on Computing, 28(6):2133
2149, 1999.
[7] L. Bianco, A. Mingozzi, S. Riccardelli, and M. Spadoni. Exact and
heuristic procedures for the traveling salesman problem with precedence
constraints, based on dynamic programming. INFOR, 32(1):19{32, 1994.
[8] Sin C. Ho and Dag Haugland. A tabu search heuristic for the vehicle
routing problem with time windows and split deliveries.
[9] E. Mota C. Martinez. Del poliedro del agente viajero grafico al de
rutas de vehculos con demanda compartida. SORT - QUESTIIO(ISSN
0210-8054), 24:34, 2000.
[10] Libertad Tansini, Maria Urquhart, and Omar Viera. Comparing
assignment algorithms for the multi-depot vrp.

www.wikipedia.com

http://neo.lcc.uma.es/radi-aeb/WebVRP/

http://www.or.deis.unibo.it/research_pages/tspsoft.html

14