Problemas de Ruteo de Vehı́culos

Tesis Doctoral

Paula Zabala

Departamento de Computación
Facultad de Ciencias Exactas y Naturales
Universidad de Buenos Aires

Directores: Dr. Abilio Lucena - Dra. Isabel Méndez-Dı́az

Agosto de 2006
.
A mi gran familia
.
 Agradecimientos

A mi familia, al grupo de Optimización Combinatoria, a la Subcomisión de Doctorado y a

todos los que colaboraron de alguna manera en el desarrollo de mi doctorado

¡¡¡ Muchas gracias !!!

.
 Resumen

El Problema del Repartidor, P R, consiste en encontrar un camino que recorra un con-

junto de clientes, comenzando en un punto dado, minimizando la suma de los tiempos de
espera de estos clientes. Este es un problema de optimización simple y natural, que puede
ser encontrado en diversas situaciones de la vida real, dentro de la industria y en el sector
de servicios. La gran cantidad de aplicaciones hacen que este problema no sólo tenga interés
teórico, sino también, una gran importancia práctica.

P R pertenece a la clase de problemas NP-Difı́cil. Para estos problemas no se conoce un

algoritmo que encuentre la solución en tiempo polinomial. La mayor parte de la literatura
sobre el P R está dedicada al desarrollo de algoritmos aproximados y heurı́sticas y son pocos
los algoritmos exactos propuestos.

Como muchos de los problemas de Optimización Combinatoria, P R puede ser modela-

do mediante formulaciones de programación lineal entera o entera mixta. Los algoritmos
Branch-and-Cut son la herramienta más efectiva que se conoce para resolver un modelo de
programación lineal entera. Especialmente las implementaciones basadas en combinatoria
poliedral han permitido incrementar el tamaño de las instancias resueltas.

El objetivo de esta tesis es abordar la resolución del Problema del Repartidor utilizando
modelos de programación lineal entera binaria. Con este fin, proponemos una nueva formu-
lación para modelar este problema. Realizamos un estudio poliedral de la cápsula convexa
de las soluciones factibles, encontrando varias familias de desigualdades válidas que, bajo
ciertas condiciones, demostramos que definen facetas del poliedro. Es la primera vez que
se realiza un estudio poliedral asociado al Problema del Repartidor. En base a estas fami-
lias de desigualdades válidas, desarrollamos e implementamos un algoritmo Branch-and-Cut.
.
 Abstract

The Traveling Deliveryman Problem, P R, is a generalization of the Minimum Cost Ha-

miltonian Path Problem where the starting vertex of the path, i.e. a depot vertex, is fixed
in advance and the cost associated with a Hamiltonian path equals the sum of the costs for
the layers of paths (along the Hamiltonian path) going from the depot vertex to each of the
remaining vertices. Applications of DMP frequently arise in delivery situations where some
kind of fairness criteria (for the visiting of clients) must be enforced.

PR is known to be NP-hard for arbitrary graphs. The practical importance of the pro-
blem makes neccesary to devise algorithms capable of solving, in acceptable computational
times, medium to moderate instances arising in real-world applications. A lot of work has
been spent in an attempt to develop efficient algorithms for the problem, mainly by using
approximation algorithms and heuristic techniques to deal with large instances. Relatively
few methods for solving the problem exactly can be found in the literature.

Like most optimization problems on graphs, PR can be formulated as a linear integer

programming problem. LP-based Branch-and-Cut algorithms are currently the most success-
full tool to deal with these models computationally. However, the amount of research effort
spent in attempts to solve PR by this method is not comparable with that devoted to other
problems, like TSP or maximum stable set.

In this thesis, we present a new integer programming formulation. We develop a polyhe-

dral study of the polytope associated with the proposed model in order to derive families of
facet-defining inequalities.

Branch-and-Cut implementations that take advantage of the particular structure of the

problem under consideration have proved to be the most successfull. In this sense, the use
of cutting planes arising from a polyhedral study of the feasible solution set allowed many
instances of hard combinatorial optimization problems to be solved to proven optimality for
the first time.

We develop a Branch-and-Cut algorithm based on our theoretical polyhedral results. We

also take into account many others factors like preprocessing, search and branching strate-
gies, lower and upper bounds and streghthening of the LP-relaxation.
Índice general

1. Introducción 1
1.1. Problemas de Ruteo de Vehı́culos . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. El Problema del Repartidor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Objetivo de la Tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2. Programación lineal entera 9

2.1. Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2. Algoritmos para Problemas de Programación Lineal Entera Mixta . . . . . . 10
2.2.1. Algoritmos Branch-and-Bound . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2. Algoritmos de Planos de Corte . . . . . . . . . . . . . . . . . . . . . . 13
2.2.3. Algoritmos Branch-and-Cut . . . . . . . . . . . . . . . . . . . . . . . 16

3. Formulaciones de PEM para el Problema del Repartidor 19

3.1. Modelos de la literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. Nuevo modelo de programación lineal entera . . . . . . . . . . . . . . . . . . 25
3.3. Comparación de modelos de PLE . . . . . . . . . . . . . . . . . . . . . . . . 28

4. Estudio poliedral del Problema del Repartidor 35

4.1. Dimensión de CR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2. Desigualdades válidas para CR . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2.1. Desigualdades propias de la formulación . . . . . . . . . . . . . . . . 42
4.2.2. Desigualdades derivadas del LOP . . . . . . . . . . . . . . . . . . . . 53

5. Algoritmo Branch-and-Cut para el Problema del Repartidor 59

5.1. Cota Superior Inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.2. Preprocesamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.3. Algoritmo de Planos de Corte . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.3.1. Algoritmos de Separación . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3.2. Evaluación de las Familias de Desigualdades Válidas . . . . . . . . . 63
5.4. Algoritmo Branch-and-Bound . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.4.1. Heurı́stica Primal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

1
2 ÍNDICE GENERAL

5.4.2. Selección de Variable de Branching y Fijado de Variables por Implica-

ciones Lógicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.4.3. Estrategias de Recorrido del Árbol . . . . . . . . . . . . . . . . . . . 71
5.5. Algoritmo Branch-and-Cut . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.6. Branch-and-Bound vs BC-R . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.7. CPLEX vs BC-R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

6. Conclusiones 89

A. Demostraciones de Definición de Faceta 93

Bibliografı́a 165
Capı́tulo 1

Introducción

1.1. Problemas de Ruteo de Vehı́culos

En la industria y en el sector de servicios, el costo del transporte representa una parte
importante del valor final de la mercaderı́a o del servicio brindado.

Problemas de Ruteo de Vehı́culos es el nombre genérico dado a una gran familia de pro-
blemas referentes a la distribución de mercaderı́a o personal, búsqueda de información o
prestación de servicios, a un conjunto de clientes mediante una flota de vehı́culos.

Los vehı́culos realizan sus movimientos a través de una red de rutas partiendo de pun-
tos fijos, llamados depósitos. Cada tramo de esta red, que puede ser de una sola mano o
de ambas, tiene asociado un costo o tiempo de viaje que puede depender de muchos facto-
res, como por ejemplo del tipo de vehı́culo o del perı́odo durante el cual el tramo es recorrido.

Ejemplos de estos problemas son la recolección y distribución de correspondencia, de

alumnos por el micro escolar, el recorrido de un médico que atiende enfermos a domicilio,
recorrido de personal de manteniemiento, entrega de pedidos de comida, etc. El ejemplo más
famoso de esta familia es el conocido como Problema del Viajante de Comercio (P V C). En
este caso, se dispone de un vehı́culo que debe visitar un conjunto de clientes, pasando por
cada uno de ellos una única vez y retornar al origen. El objetivo es minimizar el tiempo total
de viaje.

Las principales caracterı́sticas de estos problemas están dadas por las restricciones de
operación o reglas de factibilidad que deben cumplir las rutas de los vehı́culos, como por
ejemplo la capacidad del vehı́culo o la relación de precedencia entre las visitas a los clientes.
Otra particularidad en la que pueden diferir los miembros de esta familia de problemas es el
objetivo que debe ser optimizado. Algunas de las caracterı́sticas más usuales son:

cada cliente tiene asociada una demanda o cantidad de mercaderı́a que debe recibir (o

1
2 Introducción

entregar). Puede además existir la restricción que dicha demanda deba ser satisfecha
por un único vehı́culo o que exista la posibilidad que más de un vehı́culo visite a los
clientes.

cada cliente dispone de un perı́odo del dı́a en el cual puede ser visitado. Este caso
se presenta frecuentemente en problemas de abastecimiento de mercaderı́a en grandes
ciudades. Las reglamentaciones de tránsito suelen prohibir tareas de carga y descar-
ga en determinadas horas para evitar congestionamientos de tránsito. En otro casos,
como por ejemplo la distribución de diarios, las entregas deben ser hechas antes de
determinada hora.

cantidad y capacidad de vehı́culos disponibles. La flota de vehı́culos puede ser ho-

mogénea (vehı́culos de igual capacidad) o heterogénea. En algunos casos, los clientes
tienen restricciones respecto al tamaño del vehı́culo que los abastece. Por ejemplo, si
las rutas de acceso para llegar al cliente no permiten superar cierto peso del vehı́culo
o si no se dispone de un lugar de maniobras suficientemente grande.

cantidad de depósitos. La empresa de distribución puede tener varios puntos de abaste-

cimiento. Cada uno de ellos tiene asociado un posible subconjunto de clientes (o todos)
a los cuales abastecer.

punto de partida y finalización de las rutas. En general, los vehı́culos tienen que retornar
al depósito del cual salieron. En algunas aplicaciones esta exigencia no existe, por
ejemplo si el chofer del vehı́culo regresa a su casa después de finalizado el reparto sin
la necesidad de pasar por el punto del cual partió. Tal es el caso a la salida del colegio,
el chofer después de distribuir a los chicos en sus casas, no regresa al colegio.

red de comunicación entre clientes. En algunas instancias, existe via de comunicación

entre todo par de clientes, mientras que en otras la red vial no es completa.

costo de traslado. Entre un par de clientes, el costo de traslado puede ser fijo, depender
de la distancia, del tamaño del camión, etc.

Los objetivos tı́picos que pueden ser considerados en los problemas de ruteo de vehı́culos
son:

minimizar el tiempo total de transporte

minimizar la suma de los tiempos de espera de los clientes

minimizar el número de vehı́culos utilizados

Cada combinación de estos factores da como resultado un problema de ruteo de vehı́culos

particular. En este trabajo abordaremos uno de los problemas más aplicados en situaciones
de la vida diaria.
1.2 El Problema del Repartidor 3

1.2. El Problema del Repartidor

El viernes a la noche, varios vecinos hicieron su pedido para la cena a la pizzerı́a de la
zona. Como todos sabemos, las pizzas frı́as no son muy apetitosas, por lo tanto, estos veci-
nos desean recibir sus pizzas lo más calientes posible. Por tal motivo, cuando el repartidor
de pizzas comienza una ronda de entregas, no tiene como objetivo terminar la distribución
rápidamente, sino intentar que, en promedio, los clientes esperen lo menos posible, y de esta
forma, disfruten de sus pizzas calientes.

El Problema del Repartidor (P R) consiste en encontrar un camino que recorra un con-

junto de clientes, comenzando en un punto dado, minimizando la suma de los tiempos de
espera de estos clientes. Este es un problema de optimización simple y natural, que puede
ser encontrado en diversas situaciones de la vida real, como la planteada anteriormente.

Dentro del área de redes de computadoras, el P R tiene aplicaciones en la búsqueda de

información en esa red. Queremos encontrar información que se encuentra en algún punto de
la red en forma equiprobable mediante un agente que se mueve a través de ella. El objetivo
es diseñar una forma de recorrer estos puntos que minimice el tiempo esperado de búsqueda
[7, 36].

Otra motivación surge en la diagramación del recorrido de algún servicio de reparaciones.

Supongamos que un técnico tiene que reparar un conjunto de máquinas que se encuentran
en distintos lugares, y que el tiempo de reparación es insignificante o el mismo para todas
las máquinas. El objetivo es encontrar una ruta que minimice el tiempo total de espera de
todas las máquinas.

Más aplicaciones se pueden encontrar en ruteo de vehı́culos guiados automáticamente a

través de celdas en un sistema flexible de manufactura [49], operaciones de recolección de
mercaderı́a por camiones, distribución postal, transporte escolar, distribución de mercaderı́a
perecedera, etc. El P R también puede ser interpretado como un problema de programación
de tareas (scheduling) en una única máquina. En la literatura, este problema también es
referenciado como The Minimum Latency Problem [6] o The Traveling Repairman Problem
[2].

Cualquier recorrido de n clientes puede ser pensado como una permutación u orden de
n elementos. El conjunto de todos los posibles órdenes tiene cardinal finito. Si cada orden
tiene asociado un costo, algunos problemas de ruteo de vehı́culos (en particular el P R) se
reducen a buscar en este conjunto finito, un orden que tenga el costo mı́nimo. Teniendo en
cuenta este enfoque, podemos afirmar que el P R pertenece a la conocida familia de proble-
mas de Optimización Combinatoria. Esta clase de problemas es un área de la Optimización
que busca la resolución de problemas de optimización caracterizados por tener un número
finito, pero muy grande, de posibles soluciones.
4 Introducción

En términos de teorı́a de grafos, los problemas de ruteo son modelados naturalmente me-
diante un digrafo completo, cuyo conjunto de vértices representa el conjunto de clientes. Los
posibles caminos o circuitos hamiltoniamos del grafo corresponden a los diferentes órdenes
en que pueden ser visitados los clientes. Dependiendo de la función de costo utilizada, se
pueden definir distintos problemas de optimización. El problema más común es cuando la
función de costo sólo depende de los pares de clientes consecutivos, definiendo ası́ el problema
de Camino Hamiltoniano de Costo Mı́nimo (CHM ) [15]. Una situación algo más compleja
es la que se presenta en el P R, ya que el costo del camino no sólo depende de que un par de
clientes sean consecutivos en él, sino también en que posición del camino se encuentran. En
este trabajo, asumiremos que el cliente que debe ocupar el primer lugar de la permutación
es un dato del problema. Esto es posible sin pérdida de generalidad, ya que de lo contrario
podemos introducir un cliente artificial junto con los costos asociados definidos de alguna
manera conveniente.

Formalmente, el P R puede ser definido como sigue. Sea D = (V, A) un digrafo completo,
con un conjunto V = {v0 , v1 , . . . , vn } de vértices y un conjunto A de arcos. El vértice v0
representa el depósito y los vértices v1 , . . . , vn los clientes. Cada arco (vi , vj ) ∈ A tiene aso-
ciado una distancia o costo positivo cij . Las soluciones factibles del P R están caracterizadas
por los caminos hamiltonianos de D que comienzan en v0 . A estos caminos los llamaremos
caminos P R. Dado un camino P R el arco que sale de v0 ocupa la primera de las n posi-
ciones disponibles. Los arcos siguientes, a lo largo de este camino, ocupan secuencialmente
las posiciones 2 a n. Bajo esta convención, el arco (vi , vj ) en un camino P R contribuye en
(n − k + 1)cij al costo total del camino, donde k es la posición ocupada por ese arco. El P R
consiste en encontrar un camino P R de menor costo.

A pesar que el P R y el CHM aparentemente son problemas muy similares, los objeti-
vos y caracterı́sticas de cada uno son muy distintos. El CHM es un problema orientado al
repartidor, mientras que el P R está orientado a la perspectiva del cliente. En el CHM el
objetivo es que el repartidor termine sus entregas lo antes posible, en el P R el objetivo es
minimizar, en promedio, el tiempo de espera de los clientes. Por ejemplo, si el conductor
del micro escolar usa el objetivo del P R para el diseño de su ruta de la tarde (cuando los
chicos son llevados del colegio a sus casas), entonces la ruta óptima minimiza la suma de los
tiempos de viaje de los alumnos, mientras que si considera el CHM minimizará su propio
tiempo de viaje.

Otra propiedad que caracteriza al P R es que pequeñas variaciones en el costo de algún

arco puede causar grandes cambios en la solución óptima, no sólo cambios locales. Contra-
riamente a esto, el impacto correspondiente sobre el CHM generalmente está restringido a
una (pequeña) vecindad de la solución. En el caso del P R, tampoco es posible descomponer
el grafo en componentes más pequeñas, resolver el problema en cada una de ellas, y luego
unir los resultados de alguna manera para obtener la solución del problema entero (esque-
1.3 Objetivo de la Tesis 5

ma general usado por algunas heurı́sticas para CHM ). Ambos problemas pueden ser vistos
como casos particulares de un problema más general, el Time-dependent traveling salesman
problem [45]. En este, la función de costo varı́a con la posición que ocupa el arco en el camino
hamiltoniano, es decir, si el arco (i, j) es el k-ésimo arco del camino, contribuye en un costo
c(cij , k) al costo total del camino. El objetivo es encontrar un camino hamiltoniano de costo
mı́nimo. En el CHM la función de costo es definida como c(cij , k) = cij , independientemente
de k y en el P R como c(cij , k) = (n − k + 1)cij .

Tanto P V C como CHM han recibido gran atención por parte de la comunidad cientı́fica.
Infinidad de trabajos se pueden encontrar en literatura, abordando el problema de diferentes
puntos de vista. Instancias con cientos de clientes son resueltas satisfactoriamente por varias
técnicas. A pesar de la gran similitud, esta situación no se refleja en la literatura dedicada
al P R, para el cual instancias de 30 clientes ya pueden ser consideradas de tamaño medio a
grande.

Debido a la dificultad del Problema del Repartidor, se han propuesto numerosos algorit-
mos aproximados, como por ejemplo los desarrollados en [4, 5, 6, 12, 13, 26, 27]. También
han sido implementadas varias heurı́sticas [53, 55], mientras que en [3] se analiza una versión
estocástica del problema y en [21, 37] versiones on-line, donde nuevos clientes aparecen en
el grafo cuando el repartidor ya está viajando. La mayor parte de la literatura sobre el P R
está dedicada al desarrollo de estos algoritmos y son pocos los algoritmos exactos propuestos.

Hasta donde llega nuestro conocimiento, los trabajos de Bianco et al. [11], Fischetti et
al. [22], Lucena [40], Picard and Queyranne [45], van Eijl [20], Wu, Huang and Zhan [57] son
los únicos que proponen algoritmos exactos.

En algunos trabajos de la literatura se considera una versión levemente diferente a la tra-

tada acá. Contrariamente a la definición que dimos, imponen que el vehı́culo debe retornar
al depósito después de visitar al último cliente. Claramente esta diferencia es sólo menor y
es sencillo adaptar los algoritmos correspondientes a la definición del problema considerada
en este trabajo.

1.3. Objetivo de la Tesis

Los problemas de Optimización Combinatoria aparecen en la vida real en una gran varie-
dad de disciplinas, desde genética, fı́sica, quı́mica hasta finanzas, marketing y la industria.
Generalmente, estos problemas son fáciles de formular matemáticamente, pero computacio-
nalmente difı́ciles de resolver.

Para resolver un problema necesitamos de un algoritmo, es decir de un procedimiento sin

6 Introducción

ambigüedades que consiste de una sucesión finita de pasos a realizar en un orden especı́fico.
Para los problemas de Optimización Combinatoria, la enumeración de los elementos de F
(conjunto de soluciones factibles del problema) constituye un algoritmo. Sin embargo, si el
cardinal de F es grande, es claro que éste no es un método práctico ni eficiente. Es fácil pro-
gramar un algoritmo de enumeración completa para el Problema de Viajante de Comerio.
Sin embargo, una instancia con sólo 30 vértices tiene tantas soluciones que no vivirı́amos
lo suficiente para ver la respuesta. Esto casi parece decir que la enumeración completa no
resuelve el problema.

¿Cuándo consideramos a un algoritmo eficiente? La teorı́a de complejidad fue iniciada

por Cook en 1971 [16] y estableció criterios para decidir si un algoritmo resuelve un problema
de manera eficiente. Se considera que un algoritmo es eficiente si encuentra la solución de tal
manera que, en el peor de los casos, el tiempo requerido (número de operaciones elementales)
está acotado por un polinomio en la medida de los datos de entrada. Son los llamados algo-
ritmos polinomiales. Hay problemas para los cuales se dispone de un algoritmo polinomial.
Éstos conforman la clase P . Tal es el caso del problema de flujo máximo, el camino más
corto entre dos ciudades, entre otros.

Muchos problemas de Optimización Combinatoria pertenecen a una clase de problemas

aparentemente difı́ciles desde el punto de vista computacional. Esta clase es denominada
NP-Difı́cil en la teorı́a de la complejidad. Para estos problemas no se conoce aún un algo-
ritmo que encuentre la solución en tiempo polinomial. Sin embargo, si para alguno de estos
problemas se encontrara un algoritmo polinomial, esto implicarı́a que muchos otros proble-
mas también podrı́an ser resueltos en tiempo polinomial. Entre los problemas de la clase
NP-Difı́cil, podemos mencionar el Problema de Coloreo de Grafos (encontrar la cantidad
mı́nima de colores que se asignan a los vértices de un grafo de tal manera que a dos vértices
conectados por una arista no le correspone el mismo color) [34], el Problema de Máximo
Conjunto Independiente (encontrar la mayor cantidad de vértices de un grafo donde todo
par de vértices no está conectado por una arista) y el Problema de Camino Hamiltoniano
(encontrar la manera de recorrer todos los vértices de un grafo pasando una y sólo una vez
por cada uno). El libro de Garey y Johnson [28] y el de Papadimitriou y Steiglitz [44] son
buenas referencias donde se pueden encontrar los conceptos de complejidad y una extensa
clasificación de problemas.

El Problema del Repartidor pertenece a la clase de problemas NP-Difı́cil para métricas

en general [48] y aún cuando la métrica es inducida por un árbol con peso en las aristas [50]
(donde el CHM es trivial). En el caso particular que el árbol tenga peso unitario el problema
se vuelve polinomial [41]. Si la métrica es definida por puntos en una lı́nea el P R también
puede ser resuelto polinomialmente. Para este caso particular, en 1986 en [2] se presentó un
algoritmo O(n2 ) utilizando programación dinámica, y luego, en 2001 en [24] se mostró uno
lineal.
1.3 Objetivo de la Tesis 7

Muchos de los problemas de Optimización Combinatoria pueden ser modelados mediante

formulaciones de programación lineal entera o entera mixta, como por ejemplo la asignación
de la tripulación a la flota de aviones de una aerolı́nea, el diseño de lı́neas de producción, la
asignación de recursos, la asignación de frecuencias radiales y control de inventario, donde
personas, máquinas, actividades, recursos, aviones, son indivisibles, etc. En estos modelos el
objetivo es buscar el óptimo de una función lineal donde algunas o todas las variables están
restringidas a ser enteras y deben verificar un sistema de desigualdades lineales.

La versatilidad dada por los modelos de programación lineal entera hace que este área
tenga gran importancia dentro de la Optimización Combinatoria. Si bien el problema general
de programación entera pertenece a la clase NP-Difı́cil, se ha invertido mucho esfuerzo en
el desarrollo de algoritmos competitivos. Durante los últimos 30 años, se produjo un gran
progreso en las técnicas capaces de resolver exitosamente estos problemas. Especialmente
las basadas en combinatoria poliedral han permitido incrementar el tamaño de las instan-
cias resueltas. El área combinatoria poliedral estudia cómo describir la cápsula convexa del
conjunto de soluciones factibles de un problema de programación lineal entero. El trabajo
inicial en este sentido fue hecho por Dantzig, Fulkerson y Johnson en 1954 [19], quienes
desarrollaron un método para resolver el Problema del Viajante de Comercio.

A comienzos de los 80’s se comenzó a aplicar una metodologı́a mixta que conjuga los
algoritmos y las ideas que se habian desarrollado hasta entonces dando origen a los llamados
algoritmos Branch-and-Cut. De esta manera se lograron resolver exitosamente instancias de
tamaño considerable de una gran cantidad de problemas de programación lineal entera, como
por ejemplo el Problema de Viajante de Comercio, el Problema de Ordenamiento lineal, el
Problema de Corte Máximo, etc.

El objetivo de esta tesis es el desarrollo de un algoritmo tipo Branch-and-Cut para la

resolución del Problema del Repartidor. Con este fin, introduciremos una nueva formulación
de programación lineal entera. Evaluaremos la calidad de la cota inferior de la relajación
lineal de este modelo comparándola con las cotas inferiores de los modelos de van Eijl [20],
Fischetti, Laporte and Martello [22], Fox, Gavish y Graves [23] y Picard y Queyranne [45],
únicos modelos de programación lineal entero propuestos en la literatura.

Como consecuencia de la calidad de la relajación lineal del modelo propuesto, realizare-

mos un estudio poliedral de la nueva formulación, derivando facetas y desigualdades válidas
para el poliedro asociado. Estas desigualdades serán utilizadas para el desarrollo de un al-
goritmo de planos de corte para resolver el P R. Finalmente, el procedimiento de planos de
corte será incorporado a un algoritmo Branch-and-Cut.

El trabajo está organizado de la siguiente manera. En el capı́tulo 2 introducimos concep-

tos básicos de programación lineal entera y describimos los principales algoritmos utilizados
para su resolución. En el capı́tulo 3 describimos los modelos de programación lineal ente-
8 Introducción

ra para el P R propuestos en la literatura y presentamos nuestro nuevo modelo. Se realiza

además una comparación entre los modelos. Los resultados del estudio poliedral se presentan
en el capı́tulo 4. En el capı́tulo 5 detallamos los procedimientos y diferentes alternativas que
fueron consideradas para desarrollar BC-R, un algoritmo Branch-and-Cut para resolver el
P R. El comportamiento del algoritmo es analizado sobre instancias generadas al azar. Fi-
nalizamos el capı́tulo comparando BC-R con un algoritmo de propósito general. La tesis
termina describiendo las conclusiones del trabajo en el capı́tulo 6.
Capı́tulo 2

Programación lineal entera

2.1. Definición
En las últimas décadas, el uso de modelos de programación lineal entera mixta para resol-
ver problemas de Optimización Combinatoria se ha incrementado enormemente. Mediante un
problema de programación lineal entera mixta se pueden modelar situaciones donde se debe
minimizar una función lineal sujeta a un conjunto de restricciones, también lineales, donde
algunas, o todas, las variables sólo pueden tomar valores enteros. Este es el caso del Pro-
blema del Viajante de Comercio, problemas en redes, problemas de asignación de recursos,
problemas de teorı́a de grafos, y muchı́simos otros problemas de optimización combinatoria
provenientes de una gran cantidad de disciplinas.

Un problema de programación lineal entera mixta (PEM) puede ser formulado de la

siguiente manera:

X X
M inimizar cj xj + cj xj
j∈I j∈C

sujeto a
X X
aij xj + aij xj ≤ bi i = 1, . . . , m
j∈I j∈C

xj ∈ Z + ∀j ∈ I
xj ∈ R+ ∀j ∈ C

donde I es el conjunto de variables enteras y C es el conjunto de variables continuas.

Generalmente, hay diferentes formas de representar matemáticamente el mismo proble-

ma. De la formulación utilizada puede depender el éxito de resolver en forma óptima grandes

9
10 Programación lineal entera

instancias en una cantidad de tiempo razonable. Algunas veces, contrariamente a la intui-

ción, puede resultar ventajoso incrementar, en lugar de disminuir, el número de variables o
restricciones.

Cada formulación PEM tiene asociado un poliedro P = {x ∈ Rn+ : Ax ≤ b} con A ∈ Rmxn

y b ∈ Rm y el conjunto de soluciones factibles S = P ∩ {x ∈ Rn : xj ∈ Z ∀j ∈ I}. A P se lo
denomina relajación lineal de S.

Si llamamos conv(S) a la cápsula convexa de S (menor poliedro que contiene a S), en-
tonces PEM es equivalente a resolver M in cx : x ∈ conv(S). Si P = conv(S), el problema
PEM puede ser resuelto en forma eficiente por cualquier algoritmo de programación lineal.
Este es el caso del conocido Problema de Transporte.

Si conociéramos la descripción de conv(S) mediante un número polinomial (en la can-

tidad de variables) de desigualdades lineales, podrı́amos resolver el problema como uno de
programación lineal, lo cual es computacionalmente fácil. Es más, aún en el caso que esta
caracterización no fuese polinomial, bajo ciertas circunstancias el problema podrı́a ser re-
suelto en tiempo polinomial [32]. Desafortunadamente, para la mayorı́a de los problemas no
se ha podido obtener la descripción completa de la cápsula convexa y, en general, el número
de restricciones lineales que la caracterizan es exponencial.

El procedimiento más simple para resolver un problema de programación entera pura

es enumerar todas las posibilidades. Sin embargo, debido a la explosión combinatoria esta
técnica sólo resulta aplicable a instancias sumamente pequeñas. En la siguiente sección des-
cribimos los algoritmos más usados en la práctica.

2.2. Algoritmos para Problemas de Programación Li-

neal Entera Mixta
Los algoritmos más utilizados se encuadran dentro de algunos de estos esquemas básicos:

Enumeración inteligente: algoritmos Branch-and-Bound.

Caracterización de conv(S) o ajuste de la relajación lineal: algoritmos de planos de

corte.

Una combinación de las dos técnicas anteriores: algoritmos Branch-and-Cut.

A continuación describiremos los puntos más sobresalientes de cada uno.

2.2 Algoritmos para Problemas de Programación Lineal Entera Mixta 11

2.2.1. Algoritmos Branch-and-Bound

Ya mencionamos que la enumeración de las soluciones factibles en busca de la solución
óptima no es un procedimiento aconsejable para usar en la práctica. Para mejorar esta técni-
ca básica muchas veces es posible eliminar algunas posibilidades mediante argumentos de
dominancia o factibilidad. Es decir, argumentos que permiten afirmar que el óptimo no per-
tenece a un determinado subconjunto de soluciones sin la necesidad de enumerarlo.

Dentro de esta lı́nea, en los años 60 fueron propuestos los algoritmos Branch-and-Bound,
donde el branching se refiere a la parte enumerativa y el bounding al proceso de poda de
posibles soluciones.

Estos algoritmos están asociados al concepto divide y conquista: si resulta difı́cil buscar
el óptimo en un conjunto S, entonces es mejor buscar en partes de S y luego quedarse con
la mejor solución.

Este esquema puede ser representado mediante un árbol cuya raı́z corresponde al proble-
ma original y sus ramas resultan de la división en partes del espacio de búsqueda. A cada
nodo del árbol le corresponde un subproblema que consiste en buscar el óptimo en una parte
del espacio de soluciones. Los argumentos de dominancia y factiblidad son los que permitirán
descartar ramas del árbol en el proceso de búsqueda.

Una forma de llevar a cabo la poda, bounding, es calcular en los nodos del árbol cotas
inferiores del óptimo del problema restringido a esa parte del espacio de soluciones. Si la cota
es peor que la mejor solución obtenida hasta el momento, no es necesario explorar dicha par-
te. El cálculo de estas cotas debe lograr un equilibrio entre calidad y esfuerzo en obtenerla.
Una cota débil hará que se explore innecesariamente ramas del árbol, pero un procedimiento
que brinde buenas cotas a un costo alto puede no justificarse.

Para obtener cotas inferiores, una posibilidad es relajar el problema de forma de obte-
ner una relajación fácil de resolver. La idea es reemplazar un PEM difı́cil por un problema
de optimización más simple cuyo valor óptimo sea menor o igual al óptimo del problema
original. Obviamente, es deseable obtener relajaciones ajustadas, es decir, que la diferencia
relativa (gap) entre el valor óptimo de la relajación y el valor óptimo del PEM sea chica.
Hay dos posibilidades obvias para que el problema relajado tenga esta caracterı́stica. Se
puede agrandar el conjunto de soluciones factibles sobre el cual se optimiza o reemplazar la
función objetivo por otra que tenga igual o menor óptimo. Dentro de la primera posibilidad
se encuentra la relajación lineal y en la segunda se enmarca la relajación lagrangeana. Las
relajaciones no sólo son útiles para obtener cotas inferiores, algunas veces permiten probar
optimalidad.

La relajación lineal consiste en borrar del PEM la imposición de ser entera sobre las
12 Programación lineal entera

variables que la tengan. Es la relajación más natural y una de las más utilizadas. La rela-
jación lagrangeana consiste en remover un subconjunto de las restricciones que no incluya
las restricciones de no negatividad. La violación de las restricciones relajadas es penalizada
incluyendo estas restricciones, con un multiplicador no negativo, en la función objetivo. Los
multiplicadores son iterativamente actualizados para maximizar la cota inferior obtenida del
problema relajado. En [9], Beasley hace una muy buena reseña de la aplicación de esta técni-
ca.

Esencialmente, hay dos factores decisivos en la implementación de un algoritmo de este

tipo: las reglas de branching y el esquema de selección del próximo nodo a explorar. No hay
una combinación de estos factores que resulte mejor para todos los problemas. Es necesa-
rio utilizar criterios basados en una combinación de teorı́a, sentido común y experimentación.

El proceso de branching consiste en dividir la región factible anterior en dos o más regio-
nes factibles más pequeñas. Cada nueva región da origen a un nuevo subproblema o nodo
hijo, originado por la adición de una nueva restricción al problema del nodo padre. Un reque-
rimiento esencial es que cada solución entera factible del nodo padre pertenezca a, al menos,
uno de los hijos. Estos nuevos subproblemas son agregados a la lista de nodos activos, es
decir, aún no explorados. La regla de branching más simple consiste en considerar alguna va-
riable entera que tiene valor fraccionario, d, en la solución actual. Se parte al problema en dos
hijos, imponiendo en uno de ellos como cota superior de este variable el valor ⌊d⌋ y en el otro
como cota inferior ⌈d⌉. Este procedimiento es aplicado recursivamente a cada nodo del árbol.

La próxima decisión que se debe tomar es la selección del siguiente nodo a explorar de
la lista de nodos activos. En la práctica hay varios argumentos contradictorios que pueden
ser utilizados. Como sólo es posible podar significativamente el árbol de enumeración si se
cuenta con buenas cotas superiores, entonces deberı́amos descender lo más pronto posible en
el árbol para encontrar rápidamente solucions factibles. Esto sugiere el uso de una estrategia
de búsqueda en profundidad. Otra estrategia sugiere elegir el nodo activo con mejor cota
(más chica). De esta manera, nunca dividirı́amos un nodo con cota inferior mayor que el
valor óptimo del problema. Esta estrategia es llamada mejor cota primero.

El esquema básico del algoritmo es el siguiente. Llamamos P EM el problema entero mixto

que queremos resolver, N al conjunto de subproblemas o nodos del árbol de enumeración
activos. Para cada nodo k, P L(k) representa la relajación lineal del PEM asociado a este
nodo y Z k el valor óptimo de P L(k). En Z ∗ se almacena el valor de la mejor solución
obtenida.

1. Inicialización:
N = {PEM} Z ∗ = ∞

2. Elección de próximo nodo:

2.2 Algoritmos para Problemas de Programación Lineal Entera Mixta 13

Si N = {} el algoritmo termina. Si Z ∗ 6= ∞ entonces es óptimo. Si no, PEM es no

factible
Si N =6 {}, elegir y borrar un nodo k de N
3. Evaluación:
Resolver P L(k).
a) Si no es factible, ir a Elección.
b) Bound: si Z k > Z ∗ , ir a Elección.
c) Si la solución óptima cumple las condiciones de integralidad, actualizar Z ∗ =
mı́n{Z ∗ , Z k } e ir a Elección.
4. División: (Branch) Particionar la región factible de P L(k) en dos o más regiones,
agregando un nuevo nodo a N por cada nueva región. Ir a Elección.

2.2.2. Algoritmos de Planos de Corte

Los algoritmos de planos de corte fueron originalmente propuestos por Gomory en los
60’s [29] como un método general para resolver problemas de programación lineal entera.

Un algoritmo básico de planos de corte en un primer paso relaja las condiciones de inte-
gralidad sobre las variables y resuelve el programa lineal resultante. Si el programa lineal es
infactible, el programa entero también lo es. Si la solución óptima del programa lineal cumple
las condiciones de integralidad, se ha encontrado un óptimo del problema. En caso contrario,
se busca identificar desigualdades lineales (problema de separación) que estén violadas por
la solución fraccionaria del programa lineal y sean válidas para los puntos enteros factibles.
Es decir, desigualdades que separen el óptimo fraccionario de conv(S).

El algoritmo continúa hasta que:

una solución entera es encontrada, en cuyo caso el problema es resuelto con éxito
el programa lineal es infactible, lo que significa que el problema entero es infactible
no se pudo identificar alguna desigualdad lineal, ya sea porque no se conoce la descrip-
ción completa de la cápsula convexa o porque estos algoritmos de separación no son
exactos.
El éxito del algoritmo depende en gran medida de la posibilidad y la eficiencia de en-
contrar desigualdades violadas (planos de corte) que puedan ser agregadas a la formulación
para separar las soluciones fraccionarias.

Los planos de corte pueden ser generados bajo dos enfoques:

14 Programación lineal entera

Con herramientas generales aplicables a cualquier problema de programación lineal

entera
El algoritmo original propuesto por Gomory utiliza como planos de corte desigualdades
derivadas del tableau óptimo de la relajación lineal, llamados cortes de Gomory. Aun-
que fue demostrado que este algoritmo, bajo ciertas condiciones, termina en un número
finito de pasos, en la práctica su convergencia parece ser muy lenta. Por otro lado, la
implementación computacional es numéricamente inestable, aunque en la actualidad
han sido fortalecidos lográndose buenas implementaciones.

Posteriormente, se han desarrollado algoritmos que utilizan una variedad de cortes

aplicables a cualquier P EM, como por ejemplo los cortes disyuntivos, clique, cover,
etc. Si bien estos algoritmos tienen propiedades teóricas de mucho interés, su éxito en la
práctica es discutible. Cualquiera de las técnicas menciondas tienen la ventaja de poder
ser utilizadas para cualquier problema de programación entera, independientemente
de su estructura. Si bien esto es una propiedad deseable en un algoritmo, no siempre
brinda la herramienta más adecuada para casos particulares. Un estudio más especı́fico
del problema ayuda a obtener mejores procedimientos. Este es el sentido del próximo
enfoque.
Explotando la estructura particular del problema.
En los 70’s, resurgió el interés por los algoritmos de planos de corte debido al desarro-
llo de la teorı́a poliedral. Mediante el estudio de combinatoria poliedral, la intención
es reemplazar el conjunto de restricciones de un programa de programación entera
mixta por la descripción de la cápsula convexa del conjunto de soluciones factibles.
Las desigualdades lineales necesarias para describir a conv(S) se denominan facetas.
Si se conoce de forma completa esta descripción, el problema entero puedo ser resuelto
como un problema de programación lineal. De esta manera, explotando la estructura
particular de cada problema, los planos de corte resultarán más efectivos a la hora de
cortar soluciones.

Desafortunadamente, no es fácil tener esta descripción y los problemas pertenecientes

a la clase NP-Difı́cil tienen una cantidad exponencial de facetas, a menos que P = NP .
Alternativamente, es posible utilizar cualquier desigualdad válida para el conjunto de
soluciones factibles como planos de corte, pero, en general, la eficiencia del algoritmo
depende de la fortaleza de estas desigualdades, siendo las facetas los mejores cortes
posibles.

Con fines algorı́tmicos, el estudio poliedral debe estar acompañado de algoritmos de

separación eficientes. En este sentido, hay un resultado muy importante debido a Gröts-
chel, Lovász y Schrijver [32] que relaciona la complejidad del problema de separación
con la complejidad del problema de optimización. Se establece que el problema de
2.2 Algoritmos para Problemas de Programación Lineal Entera Mixta 15

optimización max{cx : x ∈ conv(S)} puede resolverse polinomialmente si y sólo si el

problema de separación (x ∈ conv(S) ó encontrar una desigualdad válida violada) es
polinomial. Es decir que si el problema que estamos tratando no es polinomial, existe
al menos alguna familia de facetas que no puede separarse en tiempo polinomial. Esto
de alguna manera implica el grado de dificultad de encontrar la descripción de todas
las facetas de la cápsula convexa y del desarrollo de algoritmos de separación.

En forma general, para desarrollar un algoritmo de planos de corte, primero se busca

una descripción parcial de la cápsula convexa del conjunto de las soluciones factibles enteras
o desigualdades válidas fuertes para este conjunto. Luego es necesario el diseño de rutinas
de separación para las familias de desigualdades encontradas. Estas rutinas toman como
entrada una solución y retornan restricciones de estas familias violadas por este punto, si
es que existe alguna. El problema de separación, en algunos casos, puede ser NP-difı́cil o
tener complejidad alta, lo que lleva en la práctica a utilizar algoritmos heurı́sticos, o sea,
que es posible que no sean capaces de encontrar una desigualdad violada aunque exista. La
estrategia que se utilice para decidir la búsqueda en la diferentes familias es clave para la
performance del algoritmo.

El esquema básico de un algoritmo de planos de corte es el siguiente. Llamamos P EM

al problema entero mixto que queremos resolver, P L(P ) a la relajación lineal del problema
P y xP la solución óptima de esta relajación.

1. Inicialización:
P = PEM

2. Evaluación:
Resolver P L(P )

a) Si es no factible, entonces P EM es no factible y el algoritmo termina.

b) Si xP cumple las condiciones de integralidad, xP es la solución óptima de P EM
y el algoritmo termina.
c) Separación: Caso contrario, resolver el problema de separación para xP .
Si se encuentran cortes, agregarlos a P e ir a Evaluación.
Caso contrario, retornar el funcional evaluado en xP como una cota inferior
de P EM.

El algoritmo de planos de corte puede no resolver el problema de forma óptima, ya sea por
no encontrar desigualdades válidas violadas o porque el tiempo consumido excede el tiempo
disponible. Sin embargo, puede ser utilizado para generar buenas cotas inferiores del valor
16 Programación lineal entera

óptimo del problema. Además, muchas veces a partir de la solución óptima de la relajación
actual es posible encontar buenas soluciones enteras mediante una heurı́stica, brindando una
cota superior del valor óptimo.

2.2.3. Algoritmos Branch-and-Cut

En muchas instancias, los dos algoritmos descriptos arriba fallan en la resolución del
problema. A comienzos de los 80’s se comenzó a aplicar una metodologı́a mixta que conju-
ga las dos ideas dando origen a los llamados algoritmos Branch-and-Cut. De esta manera
se lograron resolver exitosamente instancias de tamaño considerable de una gran cantidad
de problemas de programación lineal entera, como por ejemplo el Problema de Viajante de
Comercio, el Problema de Ordenamiento Lineal, el Problema de Corte Máximo, etc.

Uno de los factores que influye en el fracaso de los algoritmos Branch-and-Bound es la

baja calidad de las cotas obtenidas mediante las relajaciones lineales. Esto significa que re-
sulta crucial poder ajustar las formulaciones, por ejemplo con planos de corte.

Un algoritmo Branch-and-Cut es un Branch-and-Bound en el cual se generan planos de

corte a través del árbol de enumeración. El objetivo de esto es reducir significativamente el
número de nodos del árbol mejorando la formulación de los subproblemas. En un Branch-
and-Cut, la enumeración y los planos de corte se benefician mutuamente. Generalmente, la
cota producida en cada nodo del árbol de enumeración es mejor que en un Branch-and-
Bound, debido a las nuevas desigualdades agregadas a la formulación del correspondiente
subproblema. Por otro lado, el proceso de branching perturba la solución fraccionaria ayu-
dando a los algoritmos de separación.

Estos algoritmos no sólo son capaces de producir la solución óptima, también pueden
brindar soluciones aproximadas al óptimo con certificado de calidad en tiempos de cómputo
moderado.

En la implementación de un algoritmo Branch-and-Cut hay que tener en cuenta las estra-

tegias propias de un algoritmo Branch-and-Bound sumadas a las de un algoritmo de planos
de corte. Además, se agregan nuevas decisiones como ¿cuándo buscar planos de cortes?,
¿cuántos cortes agregar?, etc.

El esquema de un algoritmo Branch-and-Cut es el siguiente.

1. Inicialización:
N = {PEM} Z ∗ = ∞
2.2 Algoritmos para Problemas de Programación Lineal Entera Mixta 17

2. Elección de próximo nodo:

Si N = {} Z ∗ es óptimo y el algoritmo termina
Si no, elegir y borrar un nodo k de N

3. Evaluación:
Resolver P L(k).

a) Si es no factible, ir a Elección.
b) Si Z k > Z ∗ , ir a Elección.
c) Si la solución óptima cumple las condiciones de integralidad, poner Z ∗ = mı́n{Z ∗ , Z k }
e ir a Elección.

4. División vs Separación:
Decidir si se buscarán planos de corte:

SI: Ir a Separación
NO: Ir a División

5. División: Particionar la región factible de PL(k) en dos o más regiones, agregando un

nuevo nodo a N por cada nueva región. Ir a Elección.

6. Separación: Resolver el problema de separación para la solución fraccionaria de

P L(k).

Si son encontrados cortes, agregarlos a la formulación e ir a Evaluación.

Si no se encuentran, ir a División.
18 Programación lineal entera

.
Capı́tulo 3

Formulaciones de PEM para el

Problema del Repartidor

El Problema del Repartidor ha sido abordado con modelos de programación lineal entera
por diferentes autores. Sin embargo, hasta donde llega nuestro conocimiento, no hay en la
literatura ningún estudio poliedral ni desarrollo de un algoritmo Branch-and-Cut sobre di-
chos modelos. Esta realidad muestra una sustancial diferencia con el P V C y con muchas de
las versiones del Problema de Ruteo de Vehı́culos para los cuales existe una gran cantidad
de trabajos en esta lı́nea.

A continuación describimos los modelos de programación lineal entera que aparecen en

la literatura y luego presentaremos nuestro nuevo modelo.

3.1. Modelos de la literatura

Modelo PQ
En 1978, Picard y Queyranne [45] proponen 2 formulaciones lineales enteras.
La primera formulación usa variables binarias xtij tales que xtij toma valor 1 si el cliente
vi es visitado en la (t − 1)-ésima posición y es seguido por el cliente vj .
Consideremos Cijt el costo cuando el cliente vi es visitado en el (t − 1)-ésimo lugar de
la secuencia y el vj en el t-ésimo lugar, es decir:

1
C0i = nc0i
Cijt =(n−t + 1)cij ∀t = 2, . . . , n

La formulación es la siguente:

19
20 Formulaciones de PEM para el Problema del Repartidor

n
X n X
X n
n X
1 1
min C0j x0j + Cijt xtij
j=1 t=2 i=1 j=1
j6=i

n
X
s.a. x10j = 1 (3.1)
j=1

n
X
x10j = x2jk ∀j = 1, . . . , n (3.2)
k=1
k6=j

n
X n
X
xtij = xt+1
jk ∀t = 2, . . . , n − 1 ∀j = 1, . . . , n (3.3)
i=1 k=1
i6=j k6=j

n
X
xnij = xn+1
j0 ∀j = 1, . . . , n (3.4)
i=1
i6=j

n X
X n
x10j + xtij = 1 ∀j = 1, . . . , n (3.5)
i=1 t=2
i6=j

xkij = 0, 1 ∀i, j, k (3.6)

Se asume que las variables xt0j ∀t 6= 1, x1ij ∀i 6= 0, xn+1

ij ∀j 6= 0, xtj0 ∀t 6= n + 1
toman siempre valor 0.

Para describir la segunda formulación se define una red N = (V, A, C). El conjunto
de vértices V consiste de los vértices (0), (i, t) i, t = 1, . . . , n y (n + 1), donde el
vértice (i, t) representa la visita del cliente vi en la posición t. Los arcos en A son:
1
arcos iniciales ((0), (i, 1)) con peso C0i , arcos intermedios ((i, t), (j, t + 1)) i 6= j con
t+1
peso Cij y arcos finales ((i, n), (n + 1)) con peso 0. Un camino P en N une el vértice
3.1 Modelos de la literatura 21

0 con el n + 1 a través de n vértices intermedios, uno de cada tiempo. Si cada cliente

aparece una única vez en el camino, este representa una solución factible del problema.
Para representar esto, definimos aPi como el número de ocurrencias del vértice (i, t)
en el camino P , l(P ) como la suma de los arcos que integran P y una variable xP es
asociada a cada camino P en N . Entonces la formulación es:

X
min l(P )xP
P

X
aPi xP = 1 ∀i = 1, . . . , n (3.7)
P

xP ≥ 0 entero (3.8)

Segun los resultados presentados en [45], los valores óptimos de las relajaciones lineales
de las dos formulaciones coinciden.

Modelo FGG
Fox, Gavish y Graves [23], en 1980, proponen un modelo basado en las mismas variables
del primer modelo de Picard y Queyranne. En un principio el modelo es formulado con
4n restricciones de la siguiente manera:

n
X X n X
n X n
1 1
min C0j x0j + Cijt xtij
j=0 i=1 j=1 t=2
i6=j

n X
X n+1
s.a. xtij = 1 ∀i = 1, . . . , n (3.9)
j=0 t=2
j6=i

n
X
x10j = 1 (3.10)
j=1
22 Formulaciones de PEM para el Problema del Repartidor

n X
X n
xtij = 1 ∀j = 1, . . . , n (3.11)
i=0 t=1
i6=j

n
X
xn+1
i0 =1 (3.12)
i=1

n
n X
X
xtij = 1 ∀t = 2, . . . , n (3.13)
i=1 j=1
j6=i

X n+1
n X n X
X n
txtij − txtij = 1 ∀i = 1, . . . , n (3.14)
j=0 t=2 j=0 t=1

xtij = 0, 1 ∀i, j, t (3.15)

Las restricciones (3.13) pueden ser derivadas como combinación de las restricciones
(3.9) y (3.11), por lo tanto no son necesarias para modelar el problema y pueden ser
eliminadas de la formulación. Si se reeemplazan estas restricciones por la suma de todas
ellas, se logra la siguiente formulación más compacta con n + 1 restricciones.

X n X
n X n+1
min Cijt xtij (3.16)
i=0 j=0 t=1
i6=j

n X
X n X
n+1
s.a. xtij = n + 1 (3.17)
i=0 j=0 t=0

n X
X n+1 n X
X n
txtij − txtij = 1 ∀i = 1, . . . , n (3.18)
j=0 t=2 j=0 t=1

xtij = 0, 1 ∀i, j, t (3.19)

3.1 Modelos de la literatura 23

Modelo FLM
En 1993, Fischetti, Laporte y Martello [22], consideraron la versión de circuito Hamil-
toniano del problema. Se definen las variables binarias yij asumiendo valor 1 si y sólo
si el arco (vi , vj ) aparece en el camino Hamiltoniano solución. Además, se asume que
una variable entera xij toma valor 0 si el arco (vi , vj ) no es usado en el camino, y toma
el valor n − t + 1 si (vi , vj ) aparece como el t-ésimo arco en el camino. Basado en estas
variables, el modelo resulta:

n
n X
X
min cij xij
i=0 j=1
j6=i

n
X
s.a. yij = 1 ∀i = 0, . . . , n (3.20)
j=0
j6=i

n
X
yij = 1 ∀j = 0, . . . , n (3.21)
i=0
i6=j

n
X
xi0 = 0 (3.22)
i=1

n
X
x0j = n (3.23)
j=1

n
X n
X
xik − xkj = 1 ∀k = 1, . . . , n (3.24)
i=0 j=0
i6=k j6=k

xij ≤ rij yij ∀i, j = 0, . . . , n i 6= j

24 Formulaciones de PEM para el Problema del Repartidor

xij ∈ Z + ∀i, j = 0, . . . , n i 6= j

yij ∈ {0, 1} ∀i, j = 0, . . . , n i 6= j

donde

1
 si j=0
rij = n si i=0 (3.25)

n − 1 en otro caso


Las ecuaciones (3.20) y (3.21) aseguran que todo vértice (cliente) es visitado exac-
tamente una vez. Las restricciones (3.22, 3.23, 3.24) imponen que v0 es el vértice de
partida y también que cada uno de los otros vértices ocupa sólo un lugar en el camino.
Estas restricciones eliminan la posibilidad de que se formen subciclos.

Modelo Eijl
En 1995, C. A. van Eijl [20], quien estudió la versión de circuito Hamiltoniano del
problema, propuso una formulación entera mixta que luego adapta al problema con
ventanas de tiempo. Esta es la formulación de P EM más reciente que se encuentra en
la literatura.

En el modelo se consideran los siguientes dos tipos de variables. Para un arco dado
(vi , vj ), una variable binaria xij indica si el arco (vi , vj ) está incluı́do (xij = 1) en
el camino solución o no (xij = 0). Además, una variable continua pij es usada para
expresar, en el caso que xij = 1, el tiempo de partida desde el vértice vi (cuando
xij = 0, pij toma valor 0). El modelo propuesto es el siguiente:

n
n X
X
min pij
i=1 j=0
j6=i

n
X
s.t. xij = 1 ∀i = 0, . . . , n (3.26)
j=0
j6=i
3.2 Nuevo modelo de programación lineal entera 25

n
X
xij = 1 ∀j = 0, . . . , n (3.27)
i=0
i6=j

n
X n
X n
X
pij + cij xij = pjk ∀j = 1, . . . , n (3.28)
i=1 i=0 k=0
i6=j i6=j k6=j

0 ≤ pij ≤ Cxij ∀i, j = 0, . . . , n, i 6= j, i 6= 0 (3.29)

xij ∈ {0, 1} ∀i, j = 0, . . . , n, i 6= j

donde C representa una constante suficientemente grande (C = n máx pij ).

Las restricciones (3.26,3.27) aseguran que todo cliente es visitado exactamente una vez.
Las restricciones (3.28) garantizan, en el caso que xij = 1, que el tiempo de partida
desde el cliente vj debe ser igual al tiempo de partida desde el cliente vi más el tiempo
de viaje desde vi a vj . Esta relación entre las variables elimina la posibilidad de forma-
ción de subciclos en la solución. Finalmente, las desigualdades (3.29) imponen que tij
sea nula en el caso que el arco (vi , vj ) no forme parte del camino.

3.2. Nuevo modelo de programación lineal entera

Nuestra formulación del P R explota la conexión entre el Problema del Repartidor y el de
Ordenamiento lineal (POL).

Un orden lineal de los n + 1 elementos de un conjunto finito N es una biyección

π : {0, 1, . . . , n} → N

Para un elemento i ∈ N y un orden π, la posición de i en π está dada por π −1 (i).

El costo del orden d(π) es computado utilizando un conjunto de costos de precedencia,
{cij : i, j ∈ N, i 6= j}. Todo par de elemetos distintos i, j ∈ N contribuye con cij or cji a
d(π). Si π −1 (i) < π −1 (j) entonces es considerado cij , y en caso contrario cji . El P OL consiste
en encontrar un orden π de N con d(π) tan chico como sea posible.
26 Formulaciones de PEM para el Problema del Repartidor

En términos de teorı́a de grafos, el P OL puede ser enunciado como sigue. Los elementos
de N son representados por los vértices en D = (V, A), donde A = {(vi , vj ) : i, j ∈ N, i 6= j}
es definido como el conjunto de arcos y los costos de precedencia introducidos anteriormente
son los costos de los arcos. Un subgrafo D ′ = (V, A′ ), A′ ⊆ A, es un tournament si, para todo
par de vértices distintos vi , vj ∈ V , exactamente uno de los arcos, (vi , vj ) o (vj , vi ), pertenece
a A′ . De esta manera, una solución óptima del P OL para N será un tournament acı́clico D ′
con menor suma de sus arcos.

Consideremos para todo par de vértices vi , vj , una variable binaria xij que indica si el
vértice vi se encuentra o no antes que el vértice vj en el camino P R. Además, para todo
vértice vk , consideramos las variables fijk que indican si el arco (vi , vj ) es usado en el camino
k
antes de llegar hasta el vértice vk . Notar que las variables f0j pueden ser reemplazadas por
j
f0j ya que el primer arco del camino está incluı́do en el camino hacia todos los vértices. El
nuevo modelo propuesto para el P R es el siguiente:

X n
n X n
X n
X
min cij fijk +n c0i f0ii
i=1 j=1 k=1 i=1
j6=i k6=i

s.a. xij + xji = 1 ∀i, j = 1, . . . , n i < j (3.30)

xij + xjk + xki ≤ 2 ∀i, j, k = 1, . . . , n i < j < k (3.31)

xik + xkj + xji ≤ 2 ∀i, j, k = 1, . . . , n i < j < k

n
X
f0ii = 1 (3.32)
i=1

n
X n
X
xjk − xik ≤ fijj − nxij + n − 1 ∀i, j = 1, . . . , n i 6= j (3.33)
k=1 k=1
k6=j k6=j,i

i j
fki + xij − fki ≤1 ∀i, j, k = 1, . . . , n i 6= j 6= k (3.34)
3.2 Nuevo modelo de programación lineal entera 27

n
X j
xjk = fijk + f0j ∀j, k = 1, . . . , n j 6= k (3.35)
i=1
i6=j,k

n
X
xjk = fjik ∀j, k = 1, . . . , n j 6= k (3.36)
i=1
i6=j

xij ∈ {0, 1} ∀i, j = 1, . . . , n i 6= j

0 ≤ fijk ≤ 1 ∀i, j, k = 1, . . . , n i 6= j, k

0 ≤ f0ii ≤ 1 ∀i = 1, . . . , n
Las restricciones (3.30, 3.31) definen el conjunto de ordenamientos lineales. La restricción
(3.32) impone que hay sólo un arco que parte desde el vértice v0 . Si vi es el vértice predecesor
de vj , entonces la restricción (3.33) asegura que el arco (vi , vj ) se usa para llegar a vj . Las
desigualdades (3.34) establecen que si el vértice vi se encuentra antes que el vértice vj , el
arco usado para llegar hasta vi es tambien usado para llegar a vj . Finalmente, si vj no se
encuentra antes de vk , las ecuaciones (3.35, 3.36) imponen que ningun arco (vi , vj ) o (vj , vi )
es usado para llegar hasta vk .

Es importante señalar que la condición de binaridad de las variables xij implica que
la condición de entera de las variables fijj , fijk y f0ii puede ser relajada. La restricción
(3.33) asegura que fijj = 1 si xij = 1 y el vértice vi es el predecesor del vértice vj ya
que nk=1,k6=j xjk − nk=1,k6=i,j xik = 0. Caso contrario, fijj = 0 por la restricción (3.36). Ar-
P P

gumentos similares pueden ser utilizados para fijk , f0ii con las restricciones (3.34) y (3.35)
respectivamente.

Finalmente, dado que estamos trabajando con un problema de minimización, si las restric-
ciones (3.36) y (3.35) son omitidas del modelo, serán satisfechas implı́citamente por una so-
lución óptima. Sin embargo, desde el punto de vista de eficiencia computacional, resultó más
conveniente incluı́rlas.

Esta formulación contiene n(n2 − n + 1) variables y n(n−1)(8n+5)

6
+ 1 restricciones. Llama-
remos MR a este modelo y CR a la cápsula convexa de sus soluciones factibles.
28 Formulaciones de PEM para el Problema del Repartidor

3.3. Comparación de modelos de PLE

Un primer criterio que utilizamos para comparar la calidad de los modelos propuestos
en la literatura con nuestro modelo es el valor óptimo de la relajacion lineal asociada a cada
uno. Obtener cotas inferiores de buena calidad ayuda en la poda de un árbol de búsqueda
asi como también en la generación de soluciones heurı́sticas.

En los experimentos computacionales se utilizaron tres tipos de instancias aleatorias. La

primera familia corresponde a instancias simétricas euclideanas y las denotamos con la letra
D. Fueron obtenidas generando puntos con distribución uniforme en el cuadrado de 100×100.
Estos puntos son asociados con los vertices de D y los costos de los arcos correspondientes
fueron tomados como la distancia euclideana entre los correspondientes puntos (redondeada
al entero más próximo). Por lo tanto, los costos de los arcos son simétricos, i.e. cij = cji,
para todo par vi y vj de vértices distintos de D. La segunda familia corresponde a instancias
asimétricas denotadas con la letra A. El costo cij es un entero generado al azar entre 1 y
100 para todo par vi y vj . La tercera familia, S, está compuesta por instancias simétricas
cuyo costo cij = cji es un entero generado al azar entre 1 y 100 para todo par vi y vj con
i < j. Las pruebas computacionales fueron realizados en una SUN UltraSparc III con 2GB
de RAM y 1Ghz utilizando las rutinas del paquete CPLEX 8.1 [17].

Antes de comenzar la comparación, hicimos un análisis sobre nuestro modelo con el ob-
jetivo de reducir su tamaño. La eficiencia en la resolución de un problema de programacion
lineal está ligada, entre otros factores, a la cantidad de variables y restricciones envueltas.
En nuestra formulación del P R, el uso de las restricciones (3.35) y (3.36) permiten que las
variables x puedan ser eliminadas de la formulación. Sin embargo, después de los reemplazos,
la restricciones del modelo resultan mucho más densas, implicando una pérdida de eficiencia.
Otra posible eliminación de variables resulta del uso de las igualdades 3.30, disminuyendo de
n(n − 1) a n(n − 1)/2 el número de variables x. En este caso, la reducción resultó beneficiosa.
Sin embargo, a pesar del número polinomial de restricciones implicadas, el tiempo de CPU
demandado para resolver las relajaciones lineales resultantes resultó ser excesivo aún para
instancias de tamaño mediano. Por esta razón, finalmente consideramos una relajación lineal
que involucra sólo las igualdades del modelo. De esta manera, el número de restricciones se
reduce a 2n(n − 1) + 1.

En la Tabla 3.1 comparamos el porcentaje de gap de las relajaciones en ambos casos y

el tiempo insumido en resolver las relajaciones lineales correspondientes. Para cada tipo de
instancia y cada tamaño reportamos el promedio sobre 5 instancias.

Como puede observarse, si bien la cota inferior brindada por la relajación compacta es
menor, la disminución significativa del tiempo insumido justifica considerar la relajación
lineal que involucra sólo las igualdades del modelo. Es importante tener en cuenta que eli-
minamos O(n3 ) restricciones y esta es la causa de la diferencia de los tiempos de CPU.
3.3 Comparación de modelos de PLE 29

n Completo Sin <>

tiempo % Gap tiempo % Gap
20 5,48 10,98 0,09 17,58
22 9,93 16,19 0,11 22,75
24 17,79 17,15 0,17 22,97
26 33,38 16,62 0,22 22,12
28 49,07 18,13 0,40 23,29
30 101,85 16,44 0,48 21,78
35 376,82 19,52 0,91 24,58
40 954,72 21,47 2,01 26,20
Promedio D 193,63 17,06 0,55 22,66
20 6,19 20,36 0,08 35,84
22 11,77 18,64 0,13 28,03
24 25,06 29,07 0,19 43,67
26 48,96 22,99 0,27 36,52
28 76,22 25,67 0,42 38,77
30 148,66 26,61 0,58 38,76
35 613,47 32,00 1,04 46,40
40 1913,54 33,11 2,71 44,84
Promedio S 355,48 26,06 0,68 39,10
20 5,24 3,36 0,14 10,33
22 9,77 3,91 0,20 11,20
24 16,98 6,36 0,25 13,48
26 36,63 3,95 0,44 11,78
28 62,49 5,56 0,74 11,89
30 114,54 7,34 0,79 14,43
35 390,12 3,74 1,56 16,36
40 1071,10 10,10 5,78 17,37
Promedio A 213,36 5,54 1,24 13,35
Promedio 254,16 16,22 0,82 25,04

Tabla 3.1: Modelo con/sin desigualdades

Para evaluar la calidad de la nueva formulación, en la Tabla 3.2 comparamos el valor

de la función objetivo de las relajaciones lineales de los cuatro modelos. Considerando los
resultados anteriores, para la experimentación con nuestro modelo hemos eliminado todas
las desigualdades no triviales y consideramos la relajación definida por las ecuaciones. Para
cada medida de instancias testeada, las entradas de la tabla muestran el promedio de por-
centaje de gap entre la cota superior y el valor de la relajación lineal correspondiente y el
tiempo promedio de CPU. Para cada medida y tipo de instancia considerada, el promedio
30 Formulaciones de PEM para el Problema del Repartidor

es dado sobre 5 instancias.

n MR F LM Eijl F GG PQ
tiempo %Gap tiempo %Gap tiempo %Gap tiempo %Gap tiempo %Gap
20 0,09 17,58 0,03 26,20 0,03 90,36 0,03 94,53 0,57 11,48
22 0,11 22,75 0,03 35,57 0,04 91,43 0,04 96,23 1,02 16,30
24 0,17 22,97 0,05 33,64 0,05 92,47 0,06 95,47 1,63 17,03
26 0,22 22,12 0,05 34,90 0,06 93,02 0,08 96,34 2,36 15,52
28 0,40 23,29 0,06 35,79 0,07 93,62 0,12 97,12 3,74 18,94
30 0,48 21,78 0,07 32,53 0,09 93,78 0,14 96,64 5,78 16,43
35 0,91 24,58 0,12 38,87 0,14 94,63 0,29 97,89 15,60 20,28
40 2,01 26,20 0,21 41,02 0,18 95,38 0,54 98,13 37,42 21,62
Prom. D 0,55 22,66 0,08 34,81 0,08 93,09 0,16 96,54 8,51 17,20
20 0,08 35,84 0,02 59,14 0,03 88,56 0,05 99,43 0,55 23,73
22 0,13 28,03 0,03 41,86 0,03 93,35 0,06 97,96 0,95 65,05
24 0,19 43,67 0,05 68,40 0,05 91,08 0,11 100,00 1,64 30,54
26 0,27 36,52 0,06 56,97 0,06 80,86 0,13 100,00 2,28 25,02
28 0,42 38,77 0,07 59,34 0,09 92,16 0,18 100,00 3,48 27,47
30 0,58 38,76 0,09 59,59 0,12 93,42 0,21 100,00 5,39 28,87
35 1,04 46,40 0,13 69,78 0,16 93,84 0,41 100,00 12,91 34,61
40 2,71 44,84 0,19 66,71 0,23 94,97 0,79 100,00 31,96 34,00
Prom. S 0,68 39,10 0,08 60,22 0,10 91,03 0,24 99,67 7,39 33,66
20 0,14 10,33 0,03 24,47 0,03 87,98 0,06 97,57 0,52 0,55
22 0,20 11,20 0,03 24,56 0,04 89,15 0,10 98,47 0,88 1,19
24 0,25 13,48 0,05 28,99 0,05 89,91 0,14 98,91 1,47 2,73
26 0,44 11,78 0,05 25,53 0,07 90,85 0,19 99,13 2,36 1,04
28 0,74 11,89 0,07 25,41 0,08 91,55 0,24 99,00 3,92 2,31
30 0,79 14,43 0,10 30,25 0,10 92,01 0,31 99,31 5,47 4,25
35 1,56 16,36 0,12 25,77 0,15 92,86 0,56 99,13 14,97 0,77
40 5,78 17,37 0,15 37,68 0,22 93,68 1,35 99,89 39,97 5,48
Prom. A 1,24 13,35 0,07 27,83 0,09 91,00 0,37 98,93 8,69 2,29

Tabla 3.2: Relajaciones LP

Las relajaciones lineales de los modelos Eijl y F GG son resueltas muy rápidamente, sin
embargo la calidad de la cota es muy pobre. En todas las instancias testeadas, el porcentaje
de gap superó el 90 % y no se evidencia diferencia entre los distintos tipos de instancias.

El modelo F LM es el que, en promedio, tiene un menor tiempo de resolución logrando en

promedio un 40 % de gap. En este caso, las cotas inferiores de las instancias asimétricas son de
3.3 Comparación de modelos de PLE 31

mejor calidad y la peor calidad la presentan las instancias simétricas. Comparado con nues-
tro modelo, casi duplica el porcentaje de gap, aunque a costo de tiempo de CPU muy inferior.

El modelo P Q es el de mejor calidad de cotas. En las instancias euclı́deas y simétricas

la diferencia con nuestro modelo no es muy significativa, pero el costo de tiempo de CPU es
más de 10 veces superior . En las instancias asimétricas la diferencia a favor del modelo P Q
es más marcada, sin embargo, nuevamente el tiempo de CPU requerido es mayor.

Observando los resultados de la tabla 3.1 correspondientes a nuestro modelo completo,

podemos afirmar que se alcanza y en algunos casos se supera significativemente la calidad
de la cota del modelo de Picard y Queyranne, pero a un costo prohibitivo de tiempo de CPU.

La comparación de las cotas inferiores de los diferentes modelos no nos lleva a una conclu-
sión netamente favorable a ninguno de los modelos, ya que buena calidad viene acompañada
de un costo de CPU superior.

Para obtener una evaluación más adecuada de los modelos, experimentamos con un al-
goritmo Branch and Bound. Sabemos que buenas cotas inferiores ayudan a la poda del árbol
de búsqueda, pero rápidas resoluciones de las relajaciones lineales permiten recorrer nodos
a bajo costo. Por lo tanto, no podemos inferir de la calidad de las cotas como va a ser la
performance de cada modelo en un algoritmo Branch-and-Cut.

Para esta experimentación, tenemos en cuenta nuestro modelo completo, incorporando

las desigualdades originales omitidas en la comparación de las relajaciones. Esto trae como
consecuencia, tal como vimos antes, que la resolución de nuestro modelo necesite más tiempo
de CPU.

Dada la dificultad del problema, experimentamos con instancias pequeñas de 16, 20 y 26

clientes.

En el caso de instancias de 16 clientes, los modelos Eijl y F GG no alcanzan a resolver

el problema dentro de un lı́mite de 1800 segundos. Por el contrario, los modelos F LM , P Q
y el nuestro en apenas segundos obtienen el óptimo.

Debido a la pobre calidad de las cotas de los modelos Eijl y F GG, el árbol de enumera-
ción que se genera es muy grande, resultando el algoritmo de Branch-and-Bound casi como
un algoritmo enumerativo con muy escasa poda.

Debido a estos resultados, descartamos a los modelos Eijl y F GG de la experimentación

con instancias de mayor tamaño.
32 Formulaciones de PEM para el Problema del Repartidor

En la Tabla 3.3 se pueden observar para cada uno de los modelos, el tiempo promedio
de CPU y la cantidad promedio de nodos explorados para 5 instancias de diferente tipo y
de 20 y 26 clientes. Para la resolución de instancias de 20 clientes impusimos un lı́mite de
1800 segundos y de 7600 segundos para 26 clientes. Si ninguna instancia se resolvió dentro
del tiempo lı́mite, aparecen ***** en la tabla. En el caso de instancias asimétricas de 20
clientes, los resultados del modelo F LM se obtuvieron sobre 4 instancias ya que una de ellas
superó el tiempo lı́mite.

n MR PQ F LM
tiempo nodos tiempo nodos tiempo nodos
D-20 87,30 23,00 300,86 8998,40 ***** *****
S-20 104,50 29,20 98,79 2818,00 ***** *****
A-20 8,22 2,00 1,20 1,60 92,55 (4) 32875
D-26 4608,42 429,25 7548,98 80966,75 ***** *****
S-26 2686,28 286,40 4510,49 48294,00 ***** *****
A-26 34,60 4,40 8,64 28,20 ***** *****

Tabla 3.3: Branch-and-Bound

Como ya observamos, el modelo F LM tiene un promedio de porcentaje de gap razonable

a un costo de CPU muy bajo. Sin embargo, contrariamente a lo que esperábamos, la perfor-
mance de un Branch-and-Bound es muy pobre. Salvo las instancias asimétricas de 20 clientes,
el resto de las instancias no pudieron ser resueltas dentro del lı́mite de CPU impuesto.

Excepto para instancias asimétricas, el modelo P Q genera un árbol de tamaño mucho

mayor al generado a partir de nuestro modelo. En promedio el tamaño del árbol es 200
veces más grande. Es notable la escasa cantidad de nodos que recorre el algoritmo Branch-
and-Bound con nuestro modelo, lo que pone de manifiesto la calidad del mismo. La relación
entre los tamaños de los árboles no se refleja de la misma manera en el tiempo total de
CPU. Claramente, el tiempo insumido en cada nodo es superior con nuestro modelo. Sin
embargo, dado que el árbol de enumeración es notablemente mas chico, nuestro modelo es
más eficiente, reduciendo el tiempo casi a la mitad en la mayorı́a de los casos.

En las instancias asimétricas es donde el modelo P Q saca ventaja en tiempos, aunque el

tamaño del árbol sigue siendo superior.

Basándonos en toda la experimentación realizada, concluimos que nuestro modelo brinda

buenas cotas inferiores y que usado en un algoritmo Branch-and-Bound, muestra una muy
buena performance. Por lo tanto, consideramos que nuestro modelo es un muy buen punto
de partida para realizar un estudio poliedral para identificar buenas desigualdades válidas
y embeberlas en un algoritmo Branch-and-Cut con el objetivo de desarrollar un algoritmo
3.3 Comparación de modelos de PLE 33

competitivo.
34 Formulaciones de PEM para el Problema del Repartidor

.
Capı́tulo 4

Estudio poliedral del Problema del

Repartidor

Más allá del interés estrictamente teórico de las propiedades del poliedro, éstas adquieren
mayor relevancia cuando brindan una herramienta útil para desarrollar algoritmos. Como
primera fase en la implementación de un algoritmo Branch-and-Cut es esencial el estudio
del poliedro de soluciones factibles asociadas a nuestra formulación MR, con el objetivo de
caracterizar buenas desigualdades válidas que puedan ser utilizadas como planos de corte.
La efectividad de una desigualdad en este contexto está relacionada en gran medida con la
dimensión de la cara que defina la misma. De ahı́ la importancia de caracterizar caras con
dimensión alta, en particular facetas del poliedro.

La teorı́a poliedral establece que todo poliedro P ⊂ Rn puede ser descripto por ecuaciones
e inecuaciones lineales. Es decir,

P = {x ∈ Rn : A= x = b= , A≤ x ≤ b≤ }

El sistema A= x = b= (sistema minimal de ecuaciones) determina la dimensión del poliedro,

siendo dim(P ) = n − rango(A=).

Toda desigualdad válida (ω, ω0 ) de un poliedro P , ωx ≤ ω0 ∀x ∈ P , define una cara F

siendo F = P ∩ {x ∈ Rn : ωx = ω0 }. Si dim(F ) = dim(P ) − 1, entonces F es una faceta. Las
únicas desigualdades necesarias y suficientes para la descripción de P son las que definen
facetas. Es decir, para caracterizar la cápsula convexa de un conjunto de puntos se necesita y
es suficiente encontrar un sistema minimal de ecuaciones y desigualdades válidas que definan
facetas.

La metodologı́a utilizada para demostrar que un sistema A= x = b= es un sistema minimal

es la siguiente. Se asume la existencia de una igualdad (π, π0 ) válida para P . Conociendo
las propiedades que tienen los coeficientes de una combinación lineal de las filas de A= , se
trata de verificar que son cumplidas por los coeficientes de π. En general esta deducción se

35
36 Estudio poliedral del Problema del Repartidor

hace considerando puntos en P o propiedades de los mismos que implican las propiedades
deseadas. Si X1 , . . . , Xr ∈ P , entonces ri=1 λi πXi = π0 ri=1 λi . Eligiendo convenientemen-
P P
te X1 , . . . , Xr y los multiplicadores λ1 , . . . , λr , se deducen condiciones sobre los coeficientes
de π. Esto se repite hasta completar la descripción.

Para determinar si una desigualdad válida (ω, ω0 ) es faceta hay que:

exhibir algún punto que satisfaga estrictamente la desigualdad.

encontrar dim(P ) vectores afı́nmente independientes en F .

En algunos casos no es fácil obtener los puntos afı́nmente independientes. Un alternativa

para reconocer si una cara es una faceta es usar la metodologı́a descripta anteriormente junto
con el siguiente resultado:

Lema: Sea A= x = b= el sistema minimal de ecuaciones del poliedro P y (ω, ω0 ) una

cara F de P . (ω, ω0 ) define faceta de P si y sólo si para cualquier (π, π0 ) desigualdad válida
para P tal que πx = π0 para todo x ∈ F existe un escalar λ > 0 y un vector u tal que
(π, π0 ) = (λω + uA= , λω0 + ub=).

Comenzamos por estudiar la dimensión de CR.

4.1. Dimensión de CR
Teorema 4.1 Las siguientes ecuaciones determinan un sistema minimal de CR.

xij + xji = 1 ∀i, j = 1, . . . , n i<j (4.1)

Xn
j
xjk = fijk + f0j ∀j, k = 1, . . . , n j 6= k (4.2)
i=1,i6=j,k
X n
xjk = fjik ∀j, k = 1, . . . , n j 6= k (4.3)
i=1,i6=j
n
X
f0ii = 1 (4.4)
i=1

Demostración:

Tenemos que probar que:

4.1 Dimensión de CR 37

1. toda solución factible de CR satisface el sistema de ecuaciones

2. la matriz definida por las ecuaciones (4.1-4.4) tiene rango completo

3. cualquier otra ecuación válida para toda solución factible de CR puede ser escrita como
una combinación lineal de las ecuaciones (4.1-4.4)

Como las ecuaciones (4.1-4.4) forman parte de MR, la demostración de 1. es obvia.

Para demostrar 2. realizamos una permutacion de filas y columnas de la matriz definida

por las restricciones (4.1-4.4). Consideramos el siguiente orden en las filas:

Ecuaciones (4.1) en orden lexicográfico según ij (i < j)

Ecuaciones (4.2) para j = 1 k = 2

Ecuaciones (4.2) para j = 2, . . . , n − 1 k = 1

Ecuación (4.4)

Ecuaciones (4.2) para j = 1 y k = 3, . . . , n

Ecuaciones (4.2) para j = 2, . . . , n y k = 2, . . . , n (j 6= k)

Ecuaciones (4.2) para j = n y k = 1

Ecuaciones (4.3) en orden lexicográfico según jk (j 6= k)

Las columnas las ordenamos

Variables xij con i < j en orden lexicográfico según ij

j
Variables f0j j = 1, . . . , n

k
Variables f21 k = 3, . . . , n
k
Variables f1j j = 2, . . . , n k = 2, . . . , n j 6= k
1
Variable f2n

Variables fijj i = 1, . . . , n j = 1, . . . , n i 6= j

Para el resto de las variables considerar cualquier orden

38 Estudio poliedral del Problema del Repartidor

Con esta permutación de filas y columnas, la matriz de restricciones tiene un bloque

cuadrado de tamaño n(n−1)
2
+ 2n(n − 1) + 1 triangular inferior con todos los elementos de la
diagonal distintos de 0, lo que nos permite afirmar que tiene rango completo.

Para probar 3. asumamos que toda solución factible de CR satisface la ecuación

αX + βFini + γFsig + δFcam =

n
X n
X n
X n
X n
X n
X n
X n
X
αij xij + βi f0ii + γij fijj + δijk fijk = π0 (4.5)
i=1 j=1,j6=i i=1 i=1 j=1,j6=i i=1 j=1,j6=i k=1,k6=i,j

Para ver que es posible escribirla como combinación lineal de las ecuaciones (4.1-4.4), se
deben determinar multiplicadores aij i, j = 1, . . . , n i < j (correspondientes a las ecuaciones
4.1), bij i, j = 1, . . . , n i 6= j (ecuaciones 4.2), cij i, j = 1, . . . , n i 6= j (ecuaciones 4.3) y d
(ecuación 4.4) tales que:

αij = aij + bij + cij ∀i < j

αij = aji + bij + cij ∀i > j

Pn
βi = d − j=1 i6=j bij ∀i

γij = −cij ∀i 6= j

δijk = −cik − bjk ∀i 6= j 6= k

Entonces, definimos:

cij = −γij ∀i 6= j

bjk = γik − δijk ∀j 6= k para algún i 6= j, k

Pn
d = βi + r=1 r6=i bir para algún i

aij = αij − γki + δkij + γij ∀i < j para algún k 6= i, j

Para que las definiciones anteriores sean consistentes y cumplan los requisitos, debemos
probar que:

Caso 1: La definición de bjk no depende del i, es decir

γik − δijk − γi′ k + δi′ jk = 0 ∀i 6= i′

4.1 Dimensión de CR 39

Caso 2: La definición de d no depende del i

n
X n
X
βi + bir = βi′ + bi′ r ∀i 6= i′
r=1 r6=i r=1 r6=i′

Reemplazando la definición de bij y asumiendo verdadero el caso 1, debemos probar,

para algún k que
n
X n
X
βi + γki′ − δjik − δkir − βi′ − γki + δji′ k + δki′ r = 0 ∀i 6= i′
r=1,r6=i,k r=1,r6=i′ ,k

Caso 3: Como debe cumplirse que αij = aji +bij +cij para i < j, nuevamente utilizando
la definición de bij y cij y asumiendo verdadero el caso 1, tenemos que ver que

αji + δkji + γji + γkj − αij − δkij − γij − γki = 0 ∀i < j, para algún k

Para derivar cada una de las condiciones vamos a considerar la ecuación 4.5 evaluada en
diferentes soluciones de CR y multiplicar cada una de ellas por un escalar apropiado de tal
manera que el resultado
r
X r
X
i i i i i
λ (αX + βFini + γFsig + δFcam ) = λ i π0
i=1 i=1

sea igual a la relación deseada entre los coeficientes de la ecuación.

En la demostración del primer caso entraremos en detalles. En el resto de los casos los
argumentos son idénticos por lo cual sólo mostraremos la elección de las r soluciones y los
multiplicadores λ que permiten deducir la igualdad buscada.

Demostración Caso 1: Sean las soluciones de CR definidas por los siguientes caminos
P R:

1: v0 vj1 . . . vjn−4 vi vj vi′ vk 7: v0 vj1 . . . vjn−4 vj vi vi′ vk

2: v0 vj1 . . . vjn−4 vi vi′ vj vk 8: v0 vj1 . . . vjn−4 vj vi′ vi vk
3: v0 vj1 . . . vjn−4 vk vi vj vi′ 9: v0 vj1 . . . vjn−4 vi′ vj vi vk
4: v0 vj1 . . . vjn−4 vk vi vi′ vj 10: v0 vj1 . . . vjn−4 vk vj vi vi′
5: v0 vj1 . . . vjn−4 vk vi′ vi vj 11: v0 vj1 . . . vjn−4 vk vj vi′ vi
6: v0 vj1 . . . vjn−4 vi′ vi vj vk 12: v0 vj1 . . . vjn−4 vk vi′ vj vi
con {vj1 , . . . , vjn−4 } = V \ {v0 , vi , vi′ , vj , vk }.
Sea λ = (− 12 , 21 , 21 , − 12 , 21 , − 12 , − 21 , 12 , 21 , 21 , − 12 , − 21 ). Para cada ı́ndice p ∈ {i, i′ , j, k},
los caminos donde vp ocupa el lugar siguiente a vjn−4 tienen asociados coeficientes λ
40 Estudio poliedral del Problema del Repartidor

cuya suma da cero. Como además la suma de todos los coeficientes es cero, podemos
afirmar que todas las variables que involucran ı́ndices en {0, j1 , . . . , jn−4 } se anulan en
la combinación. Por lo tanto, sólo restan las variables asociadas con ı́ndices {i, i′ , j, k}.
En las tablas 4.1 y 4.2 mostramos las soluciones arriba definidas para las cuales estas
variables no son nulas y entre paréntesis la suma de los coeficientes λ correspondientes
a dichas soluciones.

i j k i′
i - 1,2,3,4,5,6 (0) 1,2,6,7,8,9 (0) 1,2,3,4,7,10 (0)
j 7,8,9,10,11,12 (0) - 1,2,6,7,8,9 (0) 1,3,7,8,10,11 (0)
k 3,4,5,10,11,12 (0) 3,4,5,10,11,12 (0) - 3,4,5,10,11,12 (0)
i′ 5,6,8,9,11,12 (0) 2,4,5,6,9,12 (0) 1,2,6,7,8,9 (0) -

Tabla 4.1: Variables x

i j k i′
ij - 1,3,5,6 (0) 1,6 (-1) 1,3 (0)
ji′ 8,11 (0) - 1,8 (0) 1,3,8,11 (0)
i′ k - - 1,7 (-1) -
ii′ - 2,4 (0) 2,7 (0) 2,4,7,10 (0)
i′ j 9,12 (0) 2,4,9,12 (0) 2,9 (-1) -
jk - - 2,6 (0) -
ki 3,4 (0) 3,4 (0) - 3,4 (0)
ki′ 5,12 (0) 5,12 (0) - 5,12 (0)
i′ i 5,6,8,11 (0) 5,6 (0) 6,8 (0) -
ik - - 8,9 (1) -
ji 7,9,10,12 (0) - 7,9 (0) 7,10 (0)
kj 10,11 (0) 10,11 (0) - 10,11 (0)

Tabla 4.2: Variables f

Teniendo en cuenta los multiplicadores λ asociados a cada una de las soluciones, la

combinación de las soluciones anula todas los coeficientes salvo δijk , γik , δi′ jk , γi′ k que
tienen −1, 1, 1 y −1 respectivamente. Se obtiene entonces la igualdad γik − δijk − γi′ k +
δi′ jk = 0

Demostración Caso 2: Sean las soluciones de CR definidas por los siguientes caminos
P R:
4.2 Desigualdades válidas para CR 41

1: v0 vi vi′ vk vj1 . . . vjn−4 vj 5: v0 vi′ vk vj1 . . . vjn−4 vi vj

2: v0 vk vi vi′ vj1 . . . vjn−4 vj 6: v0 vk vi′ vj1 . . . vjn−4 vi vj
3: v0 vk vj vi vi′ vj1 . . . vjn−4 7: v0 vk vj vi′ vj1 . . . vjn−4 vi
4: v0 vj vi vi′ vk vj1 . . . vjn−4 8: v0 vj vi′ vk vj1 . . . vjn−4 vi
con {vj1 , . . . , vjn−4 } = V \ {v0 , vi , vi′ , vj , vk }. Definimos λ = (1, −1, 1, −1, −1, 1, −1, 1)
para probar la igualdad deseada.
Demostración Caso 3: Sean las soluciones factibles de CR definidas por los siguientes
caminos P R:
1: v0 vj1 . . . vjn−3 vk vi vj
2: v0 vj1 . . . vjn−3 vk vj vi
donde {vj1 , . . . , vjn−3 } = V \ {v0 , vi , vj , vk }. Tomando λ = (1, −1) surge la igualdad
deseada.
✷

Corolario 4.1 La dimensión de CR es n(n − 1)(n − 52 ) + n − 1.

Demostración:
El sistema (4.1-4.4) tiene 52 n(n − 1) + 1 ecuaciones. Como la cantidad de variables es
2n(n − 1) + n(n − 1)(n − 2) + n obtenemos el resultado buscado. ✷

4.2. Desigualdades válidas para CR

En esta sección describiremos varias familias de desigualdades válidas para CR que luego
serán incorporadas en un algoritmo de planos de corte. En cada caso, enunciamos argumentos
suficientes para probar la validez y para la mayorı́a de las desigualdades válidas demostramos
que definen facetas de CR.

Dividimos a las desigualdades válidas en dos conjuntos. Por un lado aquellas que surgie-
ron del análisis de las caracterı́sticas propias del problema. Por otro, desigualdades válidas
derivadas de algunas familias conocidas para el Problema de Ordenamiento Lineal.

Respecto a las desigualdades que definen nuestro modelo, podemos afirmar que son caras
de CR pero no de dimensión máxima. Algunas de ellas pudimos reforzarlas llegando incluso
a probar que definen facetas.

Para facilitar la lectura del trabajo, en esta sección sólo vamos a incluir la demostración
de defición de faceta para la primera familia, el resto se encuentra en el apéndice A.
42 Estudio poliedral del Problema del Repartidor

4.2.1. Desigualdades propias de la formulación

Proposición 4.1 (Familia1) Sean i0 , j0 , k0 ∈ {1, . . . , n} distintos. La desigualdad

fik00j0 ≤ fij00j0

define una faceta de CR.

Demostración:

Si vi0 no es el predecesor inmediato de vj0 en el camino P R , entonces el arco (vi0 , vj0 )

no puede ser utilizado en el camino P R hacia otro vértice vk0 . Esto demuestra que la desi-
gualdad es válida.

Todo camino P R para el cual vi0 y vj0 son los vértices que ocupan el primer y segundo
lugar respectivamente satisface la desigualdad por igualdad. Es decir, Familia1 define una
cara de CR.

Para la demostración de que la desigualdad define una faceta utilizaremos un procedi-

miento similar al empleado en el teorema 4.1.

Sea F la cara de CR definida por la desigualdad Familia1. Supongamos que

αX + βFini + γFsig + δFcam =

n
X n
X n
X n
X n
X n
X n
X n
X
αij xij + βi f0ii + γij fijj + δijk fijk ≤ π0 (4.6)
i=1 j=1,j6=i i=1 i=1 j=1,j6=i i=1 j=1,j6=i k=1,k6=i,j

es una desigualdad válida para CR tal que F ⊆ CR ∩ {(X, Fini , Fsig , Fcam ) : αX + βFini +
γFsig + δFcam = π0 }. Para demostrar que Familia1 define una faceta de CR, tenemos que
probar que la igualdad anterior puede ser escrita como combinación lineal de las ecuaciones
(4.1-4.4) más Familia1.

Como en el teorema 4.1, vamos a definir los multiplicadores aij i, j = 1, . . . , n i < j

(correspondientes a las ecuaciones 4.1), bij i, j = 1, . . . , n i 6= j (ecuaciones 4.2), cij i, j =
1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y agregamos el multiplicador e correspon-
diente a Familia1. Proponemos una definición de estos multiplicadores y luego probaremos
las condiciones que se deben cumplir para que la definición sea consistente. Para derivar
cada una de las condiciones vamos a considerar la ecuación evaluada en diferentes soluciones
de CR y multiplicamos cada una de ellas por un escalar apropiado de tal manera que el
resultado
r
X r
X
λi (αX i + βFini
i i
+ γFsig i
+ δFcam )= λ i π0
i=1 i=1
4.2 Desigualdades válidas para CR 43

sea igual a la relación deseada entre los coeficientes de la ecuación.

En cada caso mostraremos la elección de las r soluciones y los coeficientes λ.

Se debe cumplir que:

αij = aij + bij + cij ∀i < j
αij = aji + bij + cij ∀i > j
βi = d − nr=1 r6=i bir ∀i
P

γij = −cij ∀i 6= j (i, j) 6= (i0 , j0 )

δijk = −cik − bjk ∀i 6= j 6= k (i, j, k) 6= (i0 , j0 , k0 )
γi0 j0 = −ci0 j0 − e
δi0 j0 k0 = −ci0 k0 − bj0 k0 + e
Definimos:
e = δi0 j0 k0 − γi0 k0 + γik0 − δij0 k0 para algún i 6= i0 , j0 , k0
cij = −γij ∀(i, j) 6= (i0 , j0 )
ci0 j0 = −γi0 j0 + e
bjk = γik − δijk para algún i, (i, k) 6= (i0 , j0 ), (i, j, k) 6= (i0 , j0 , k0 )
d = βi + nj=1 i6=j bij para algún i
P

aij = αij − bij − cij ∀i < j

Para que las definiciones anteriores sean consistentes y comprobar que cumplen lo nece-
sario, debemos ver que:
Caso 1: La definición de bjk no depende de i:
γik − δijk − γi′ k + δi′ jk = 0
∀i, j, k, i′ ∈ {1, . . . , n} tal que (i, j, k) 6= (i0 , j0 , k0 ), (i, k) 6= (i0 , j0 ) y (i′ , k) 6= (i0 , j0 )
Caso 2: Para (i, k) = (i0 , j0 ), sabemos que bjj0 = γi0 j0 −δi0 jj0 +e y bjj0 = γij0 −δijj0 ∀i 6=
i0 , entonces se debe cumplir que
e = −γi0 j0 + δi0 jj0 + γij0 − δijj0
para i, j 6= i0 , j0 . Utilizando la definición de e y el ı́tem anterior, debemos probar que
γij0 + δi0 jj0 − γi0 j0 − δijj0 + γi0 k0 + δij0 k0 − γik0 − δi0 j0 k0 = 0
∀j 6= i0 , j0 y algún i que podemos suponer distinto de k0 .
44 Estudio poliedral del Problema del Repartidor

Caso 3: Para ver que la definición de d no depende del i debemos probar que
n
X n
X
βi0 +γki′ − δki0 r −δji0 k −βi′ −γki0 + δki′ r +δji′ k = 0 ∀i′ 6= i0 , k, j ∈
/ {i0 , j0 , k0 }
r=1 r6=i0 ,k r=1 r6=i′ ,k

Caso 4: Para i < j ((i, j), (j, i) 6= (i0 , j0 )) debe cumplirse que aij = αji − bji − cji =
αij −bij −cij . Entonces, tenemos que probar que αij +δkij −γkj +γij = αji +δkji −γki +γji.
Si (i, j) o (j, i) = (i0 , j0 ), debe verificarse que αi0 j0 + δii0 j0 − γij0 + γi0 j0 + e = αj0 i0 +
δij0 i0 − γii0 + γj0 i0

Mostraremos las soluciones de CR y el λ que nos permite demostrar cada una de las
condiciones.

Demostración Caso 1: Se pueden presentar 5 posibilidades:

1. i, j, k, i′ ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vj vi vi′ 7: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi vi′ vk
2: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vj vi′ vi 8: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi′ vi vk
3: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi vj vi′ 9: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vj vi′ vk
4: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi vi′ vj 10: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vi′ vj vk
5: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi′ vj vi 11: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vj vi vk
6: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi′ vi vj 12: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vi vj vk
con {vj1 , . . . , vjn−7 } = V \ {v0 , vi0 , vj0 , vk0 , vi , vi′ , vj , vk }.
Definiendo λ = ( 12 , − 12 , 21 , − 21 , − 12 , 21 , − 12 , 21 , − 12 , 21 , 21 , − 12 ) surge la igualdad desea-
da.
2. Exactamente uno de los ı́ndices i, j, k pertenece a {i0 , j0 , k0 }
Consideramos los mismos caminos y multiplicadores λ que en el ı́tem anterior,
eliminando de la terna vi0 vj0 vk0 el vértice correspondiente al ı́ndice en conside-
ración.
3. Exactamente dos de los ı́ndices i, j, k, i′ pertenecen a {i0 , k0 } o a {j0 , k0 }
Nuevamente tomamos los mismos caminos y multiplicadores λ, eliminando de la
terna vi0 vj0 vk0 los vértices correspondientes a los ı́ndices en consideración.

4. Exactamente dos de los ı́ndices i, j, k, i′ pertenecen a {i0 , j0 }

Hay 6 posibilidades.
a) i = i0 y j = j0
4.2 Desigualdades válidas para CR 45

1: v0 vj1 . . . vjn−5 vj0 vi0 vk0 vi′ vk 5: v0 vj1 . . . vjn−5 vk vi′ vj0 vi0 vk0
2: v0 vj1 . . . vjn−5 vk vi′ vi0 vj0 vk0 6: v0 vj1 . . . vjn−5 vi′ vj0 vi0 vk0 vk
3: v0 vj1 . . . vjn−5 vi′ vi0 vj0 vk0 vk 7: v0 vj1 . . . vjn−5 vk vj0 vk0 vi′ vi0
4: v0 vj1 . . . vjn−5 vk vj0 vi0 vk0 vi′ 8: v0 vj1 . . . vjn−5 vj0 vk0 vi′ vi0 vk
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi′ , vk }. Definimos

λ = (−1, 1, −1, 1, −1, 1, −1, 1)

b) i = i0 y i′ = j0
1: v0 vj1 . . . vjn−5 vi0 vk0 vj0 vj vk 5: v0 vj1 . . . vjn−5 vk0 vj0 vi0 vj vk
2: v0 vj1 . . . vjn−5 vi0 vk0 vj vj0 vk 6: v0 vj1 . . . vjn−5 vk vk0 vj0 vi0 vj
3: v0 vj1 . . . vjn−5 vk vi0 vk0 vj0 vj 7: v0 vj1 . . . vjn−5 vk0 vj vj0 vi0 vk
4: v0 vj1 . . . vjn−5 vk vi0 vk0 vj vj0 8: v0 vj1 . . . vjn−5 vk vk0 vj vj0 vi0
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vj , vk } y

λ = (1, −1, −1, 1, −1, 1, 1, −1)

c) i = j0 y j = i0
1: v0 vj1 . . . vjn−5 vi0 vk0 vi′ vj0 vk 5: v0 vj1 . . . vjn−5 vj0 vi0 vk0 vi′ vk
2: v0 vj1 . . . vjn−5 vi0 vk vk0 vi′ vj0 6: v0 vj1 . . . vjn−5 vj0 vi0 vk vk0 vi′
3: v0 vj1 . . . vjn−5 vk vi′ vi0 vk0 vj0 7: v0 vj1 . . . vjn−5 vk vi′ vj0 vi0 vk0
4: v0 vj1 . . . vjn−5 vi′ vi0 vk vk0 vj0 8: v0 vj1 . . . vjn−5 vi′ vj0 vi0 vk vk0
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi′ , vk } y

λ = (1, −1, −1, 1, −1, 1, 1, −1)

d ) i = j0 y k = i0
1: v0 vj1 . . . vjn−5 vi0 vk0 vj0 vi′ vj 5: v0 vj1 . . . vjn−5 vk0 vj0 vi′ vj vi0
2: v0 vj1 . . . vjn−5 vi0 vk0 vj vj0 vi′ 6: v0 vj1 . . . vjn−5 vk0 vj vj0 vi′ vi0
3: v0 vj1 . . . vjn−5 vi′ vi0 vk0 vj0 vj 7: v0 vj1 . . . vjn−5 vi′ vk0 vj0 vj vi0
4: v0 vj1 . . . vjn−5 vi′ vi0 vk0 vj vj0 8: v0 vj1 . . . vjn−5 vi′ vk0 vj vj0 vi0
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi′ , vj } y

λ = (−1, 1, 1, −1, 1, −1, −1, 1)

e) j = i0 y k = j0
1: v0 vj1 . . . vjn−5 vi0 vj0 vk0 vi vi′ 5: v0 vj1 . . . vjn−5 vi′ vi0 vj0 vk0 vi
2: v0 vj1 . . . vjn−5 vi0 vk0 vi vi′ vj0 6: v0 vj1 . . . vjn−5 vi′ vi0 vk0 vi vj0
3: v0 vj1 . . . vjn−5 vi vi0 vj0 vk0 vi′ 7: v0 vj1 . . . vjn−5 vj0 vi vi0 vk0 vi′
4: v0 vj1 . . . vjn−5 vi vi′ vi0 vj0 vk0 8: v0 vj1 . . . vjn−5 vj0 vi vi′ vi0 vk0
46 Estudio poliedral del Problema del Repartidor

con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi′ , vi } y

λ = (1, −1, −1, 1, −1, 1, 1, −1)

f ) j = j0 y k = i0
1: v0 vj1 . . . vjn−5 vi0 vk0 vj0 vi′ vi 5: v0 vj1 . . . vjn−5 vk0 vj0 vi′ vi vi0
2: v0 vj1 . . . vjn−5 vi0 vk0 vi′ vi vj0 6: v0 vj1 . . . vjn−5 vk0 vi′ vi vj0 vi0
3: v0 vj1 . . . vjn−5 vi vi0 vk0 vj0 vi′ 7: v0 vj1 . . . vjn−5 vi vk0 vj0 vi′ vi0
4: v0 vj1 . . . vjn−5 vi vi0 vk0 vi′ vj0 8: v0 vj1 . . . vjn−5 vi vk0 vi′ vj0 vi0
′
con {vj1 , . . . , vjn−5 } = V \ {i0 , j0 , k0 , i , i} y

λ = (−1, 1, 1, −1, 1, −1, −1, 1)

5. Exactamente tres de los ı́ndices i, j, i′ , k pertenecen a {i0 , j0 , k0 }

Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . vjn−4 vi0 vj0 vk0 vl
12: v0 vj1 . . . vjn−4 vj0 vl vk0 vi0
2: v0 vj1 . . . vjn−4 vi0 vj0 vl vk0
13: v0 vj1 . . . vjn−4 vk0 vi0 vl vj0
3: v0 vj1 . . . vjn−4 vi0 vk0 vj0 vl
14: v0 vj1 . . . vjn−4 vk0 vj0 vi0 vl
4: v0 vj1 . . . vjn−4 vi0 vk0 vl vj0
15: v0 vj1 . . . vjn−4 vk0 vj0 vl vi0
5: v0 vj1 . . . vjn−4 vi0 vl vj0 vk0
16: v0 vj1 . . . vjn−4 vk0 vl vj0 vi0
6: v0 vj1 . . . vjn−4 vi0 vl vk0 vj0
17: v0 vj1 . . . vjn−4 vl vi0 vj0 vk0
7: v0 vj1 . . . vjn−4 vj0 vi0 vk0 vl
18: v0 vj1 . . . vjn−4 vl vi0 vk0 vj0
8: v0 vj1 . . . vjn−4 vj0 vi0 vl vk0
19: v0 vj1 . . . vjn−4 vl vj0 vi0 vk0
9: v0 vj1 . . . vjn−4 vj0 vk0 vi0 vl
20: v0 vj1 . . . vjn−4 vl vj0 vk0 vi0
10: v0 vj1 . . . vjn−4 vj0 vk0 vl vi0
21: v0 vj1 . . . vjn−4 vl vk0 vj0 vi0
11: v0 vj1 . . . vjn−4 vj0 vl vi0 vk0
con {vj1 , . . . , vjn−4 } = V \ {i0 , vj0 , k0 , l}.

Tenemos 9 posibilidades. Para cada una mostraremos la elección de λ para obtener

la igualdad buscada.
a) i = i0 , j = j0 , i′ = k0 y l = k.
λ = (− 12 , − 12 , 21 , 21 , − 12 , 21 , −1, 0, 0, 21 , 0, 12 , 0, 1, − 12 , − 12 , 1, −1, 1, − 21 , − 12 ).
b) i = i0 , k = j0 , i′ = j0 y l = j.
λ = (− 21 , 21 , − 12 , 21 , − 12 , 21 , 0, −1, 0, 21 , 0, 12 , 0, 1, − 12 , − 12 , 0, 0, 1, − 21 , − 21 ).
c) i = i0 , j = k0 y i′ = j0 y l = k
λ = ( 21 , − 12 , − 12 , 21 , − 12 , 21 , −1, 0, 0, 21 , 0, 12 , 0, 1, − 12 , − 12 , 0, 0, 1, − 21 , − 21 ).
d ) i = j0 , j = i0 , k = k0 y l = i′
λ = ( 12 , − 12 , 21 , − 12 , 21 , − 12 , 0, 0, 0, − 12 , 1, − 21 , 0, 0, − 12 , 12 , 0, 0, −1, 21 , 21 ).
4.2 Desigualdades válidas para CR 47

e) i = j0 , j = i0 , i′ = k0 y l = k
λ = (− 12 , 21 , 21 , − 12 , 21 , − 12 , 0, 0, 1, − 12 , 0, − 21 , 0, −1, 12 , 12 , 0, 0, 0, − 21 , 12 ).
f ) i = j0 , k = i0 , i′ = k0 y l = j.
λ = (− 21 , 21 , 21 , − 12 , 21 , − 12 , 0, 0, 0, 12 , 0, − 21 , 0, 0, − 12 , 21 , 0, 0, 0, − 12 , 21 ).
g) i = j0 , j = k0 , k = i0 y l = i′ .
λ = ( 21 , − 12 , 21 , − 12 , 21 , − 12 , 0, 0, 0, − 12 , 0, 21 , 0, 0, − 12 , 21 , 0, 0, 0, − 12 , 21 ).
h) i = k0 , j = i0 , k = j0 y l = i′ .
λ = (− 12 , 21 , − 12 , − 12 , 12 , 21 , 1, −1, 1, − 12 , −1, 21 , −1, 0, 12 , 21 , 0, 1, 0, − 12 , − 12 ).
i ) i = k0 , j = j0 , k = i0 y l = i′
λ = ( 21 , − 12 , 21 , − 12 , − 12 , 21 , 0, 0, 0, − 12 , 0, 21 , 0, 0, − 12 , 21 , 0, 0, 0, 12 , − 21 ).
Demostración Caso 2: Se presentan dos casos:
1. j = k0 Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . vjn−4 vi0 vi vj0 vk0 3: v0 vj1 . . . vjn−4 vi vi0 vj0 vk0
2: v0 vj1 . . . vjn−4 vi0 vi vk0 vj0 4: v0 vj1 . . . vjn−4 vi vi0 vk0 vj0
con {vj1 , . . . , vjn−4 } = V \ {v0 , vi0 , vj0 , vk0 , vi } y

λ = (−1, 1, 1, −1)

2. j 6= k0
1: v0 vj1 . . . vjn−5 vi vi0 vj vk0 vj0 6: v0 vj1 . . . vjn−5 vj0 vj vi vi0 vk0
2: v0 vj1 . . . vjn−5 vj vi0 vi vj0 vk0 7: v0 vj1 . . . vjn−5 vj0 vi vj vk0 vi0
3: v0 vj1 . . . vjn−5 vj vi0 vi vk0 vj0 8: v0 vj1 . . . vjn−5 vj0 vj vi vk0 vi0
4: v0 vj1 . . . vjn−5 vj vi vi0 vj0 vk0 9: v0 vj1 . . . vjn−5 vi vj vk0 vj0 vi0
5: v0 vj1 . . . vjn−5 vj0 vi vi0 vj vk0 10: v0 vj1 . . . vjn−5 vj vi vk0 vj0 vi0
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi , vj } y

λ = (1, 1, −1, −1, −1, 1, 1, −1, −1, 1)

Demostración Caso 3: Se presentan 3 posibilidades:

1. i′ = j0
1: v0 vi0 vj0 vj vk0 vk vj1 . . . vjn−5 5: v0 vj0 vj vk0 vk vi0 vj1 . . . vjn−5
2: v0 vk vi0 vj0 vj vk0 vj1 . . . vjn−5 6: v0 vk vj0 vj vk0 vi0 vj1 . . . vjn−5
3: v0 vk vj vi0 vj0 vk0 vj1 . . . vjn−5 7: v0 vk vj vj0 vk0 vi0 vj1 . . . vjn−5
4: v0 vj vi0 vj0 vk0 vk vj1 . . . vjn−5 8: v0 vj vj0 vk0 vk vi0 vj1 . . . vjn−5
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vj , vk } y

λ = (1, −1, 1, −1, −1, 1, −1, 1)

48 Estudio poliedral del Problema del Repartidor

2. i′ = k0
1: v0 vi0 vk0 vj vj0 vk vj1 . . . vjn−5 5: v0 vk0 vj vj0 vk vi0 vj1 . . . vjn−5
2: v0 vk vi0 vk0 vj vj0 vj1 . . . vjn−5 6: v0 vk vk0 vj vj0 vi0 vj1 . . . vjn−5
3: v0 vk vj vi0 vk0 vj0 vj1 . . . vjn−5 7: v0 vk vj vk0 vj0 vi0 vj1 . . . vjn−5
4: v0 vj vi0 vk0 vj0 vk vj1 . . . vjn−5 8: v0 vj vk0 vj0 vk vi0 vj1 . . . vjn−5
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vj , vk } y

λ = (1, −1, 1, −1, −1, 1, −1, 1)

3. i′ ∈
/ {j0 , k0 }
1: v0 vi0 vi′ vj vj0 vk vk0 vj1 . . . vjn−6 5: v0 vi′ vj vj0 vi0 vk0 vk vj1 . . . vjn−6
2: v0 vk vi0 vi′ vj vj0 vk0 vj1 . . . vjn−6 6: v0 vk vi′ vj vj0 vk0 vi0 vj1 . . . vjn−6
3: v0 vk vj vi0 vi′ vj0 vk0 vj1 . . . vjn−6 7: v0 vk vj vi′ vj0 vk0 vi0 vj1 . . . vjn−6
4: v0 vj vi0 vi′ vj0 vk vk0 vj1 . . . vjn−6 8: v0 vj vi′ vj0 vi0 vk0 vk vj1 . . . vjn−6
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi′ , vj , vk } y

λ = (1, −1, 1, −1, −1, 1, −1, 1)

Demostración Caso 4: Las posibilidades son:

1. i, j ∈
/ {i0 , j0 , k0 }
Tenemos que probar que αij + δkij − γkj + γij = αji + δkji − γki + γji Sean las
soluciones de CR definidas por los siguientes caminos P R:

1: v0 vj1 . . . vjn−6 vi0 vj0 vk0 vk vi vj 2: v0 vj1 . . . vjn−6 vi0 vj0 vk0 vk vj vi
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi , vj , vk } y λ = (1, −1).
2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 }.
Tomamos las mismas soluciones y multiplicadores del caso anterior, eliminando
de la terna vi0 vj0 vk0 el vértice correspondiente al ı́ndice en consideración.
3. Exactamente dos de los ı́ndices i, j pertenecen a {i0 , k0 } o a {j0 , k0 }.
Utilizamos los caminos y multiplicadores del caso anterior,eliminando de la terna
vi0 vj0 vk0 los vértices correspondientes a los ı́ndices en consideración.
4. Exactamente dos de los ı́ndices i, j pertenecen a {i0 , j0 }.
Tenemos que probar que αi0 j0 + δii0 j0 − γij0 + γi0 j0 + e = αj0 i0 + δij0 i0 − γii0 + γj0 i0 .
Utilizando la definición de e, αi0 j0 + δii0 j0 − δijj0 + δi0 jj0 = αj0 i0 + δij0 i0 − γii0 + γj0 i0 ,
para algún i que podemos suponer distinto de k0 . Sean las soluciones de CR de-
finidas por los siguientes caminos P R:
4.2 Desigualdades válidas para CR 49

1: v0 vj1 . . . vjn−5 vk0 vi0 vi vj vj0 5: v0 vj1 . . . vjn−5 vj0 vj vk0 vi0 vi
2: v0 vj1 . . . vjn−5 vk0 vi vi0 vj vj0 6: v0 vj1 . . . vjn−5 vj0 vk0 vi vi0 vj
3: v0 vj1 . . . vjn−5 vj vk0 vi0 vi vj0 7: v0 vj1 . . . vjn−5 vj0 vj vk0 vi vi0
4: v0 vj1 . . . vjn−5 vj0 vk0 vi0 vi vj 8: v0 vj1 . . . vjn−5 vj vk0 vi vj0 vi0
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk0 , vi , vj } y
λ = (−1, 1, 1, 1, −1, −1, 1, −1)

obtenemos la igualdad buscada, completando la demostración.

Proposición 4.2 (Familia 2) Sean i0 , j0 , k0 , l0 ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fij00j0 + fij00l0 + fkl00 j0 ≤ xi0 j0 + fki00 j0

define una faceta de CR.

Demostración:

Veamos que es válida para CR.

Si el arco (vi0 , vj0 ) es utilizado en el camino P R, entonces vi0 debe estar antes que vj0 y
ningún otro arco que parta de vi0 o que llegue a vj0 podrá pertenecer al camino.

Si el arco (vi0 , vl0 ) pertenece al camino desde v0 hacia vj0 , entonces vl se debe encon-
trar antes que vj0 en el camino y por lo tanto no se podrá utilizar un arco que llegue vj0 en
el camino hacia vl0 . Por otro lado, vi0 debe estar antes que vj0 en el camino desde v0 hacia vj0 .

Finalmente, si el arco (vk0 , vj0 ) es utilizado en el camino desde v0 hacia vl0 , el vértice
vi0 debe estar antes que el vértice vj0 o después de él. En el último caso, el arco (vk0 , vj0 )
también debe ser utilizado en el camino desde v0 hacia vi0 .

Todo camino P R para el cual vi0 y vj0 son los vértices que ocupan el primer y segundo lu-
gar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 2 es cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Proposición 4.3 (Familia 3) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fkj00i0 + fij00k0 + fjk00k0 ≤ xi0 j0 + fji00k0

define una faceta de CR.

50 Estudio poliedral del Problema del Repartidor

Demostración:

Si el arco (vk0 , vi0 ) es utilizado en el camino desde v0 hacia vj0 , entonces no puede ser
utilizado en el camino el arco (vi0 , vk0 ) ni el arco (vj0 , vk0 ). Por otro lado, el vértice vi0 se
debe encontrar antes que el vértice vj0 en el camino.

Lo mismo sucede si el arco (vi0 , vk0 ) es utilizado en el camino desde v0 hacia vj0 .

Por último, si el arco (vj0 , vk0 ) se utiliza en el camino P R, se presentan dos posibilidades:
el vértice vi0 está antes que el vértice vj0 o el arco (vj0 , vk0 ) es usado en el camino desde v0
hacia vi0 . Esto prueba que la desigualdad es válida.

Todo camino P R para el cual vk0 y vi0 son los vértices que ocupan el primer y segundo lu-
gar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 3 es cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Proposición 4.4 (Familia 4) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fik00j0 + fkj00i0 + fij00k0 ≤ xi0 j0
define una faceta de CR.
Demostración:

Si el arco (vi0 , vj0 ) es utilizado en el camino desde v0 hacia vk0 , el vértice vi0 debe aparecer
en el camino antes que el vértice vj0 mientras que vj0 debe figurar antes que vk0 . Por lo tanto,
ningún arco involucrando a vk0 puede ser usado en el camino desde v0 hacia vj0 .

Si el arco (vk0 , vi0 ) es utilizado en el camino desde v0 hacia vj0 entonces no puede ser
utilizado el arco (vi0 , vk0 ) en el camino. Análogamente, si el arco (vi0 , vk0 ) es usado en este
camino, el arco (vk0 , vi0 ) no puede pertenecer a él. En ambos casos, vi0 se encontrará antes
que vj0 . Por lo tanto la desigualdad es válida.

Todo camino P R para el cual vi0 y vj0 son los vértices que ocupan el primer y segundo lu-
gar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 4 es cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Proposición 4.5 (Familia 5) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fij00j0 + fij00l0 + fkj00l0 ≤ xi0 j0 + fki00 l0
define una faceta de CR.
4.2 Desigualdades válidas para CR 51

Demostración:

Para ver que es una desigualdad válida, consideremos primero el caso donde el vértice vi0
se encuentra antes que el vj0 en el camino P R. Si vj0 es el vértice visitado inmediatamente
despues que el vi0 y el arco (vk0 , vl0 ) es utilizado en el camino desde v0 hacia vj0 , este arco
también debe pertenecer al camino desde v0 hacia vi0 .

Si vj0 se encuentra antes que vi0 , ningún arco partiendo de vi0 puede ser utilizado en al
camino desde v0 hacia vj0 . Si el arco (vk0 , vl0 ) es utilizado en el camino desde v0 hacia vj0 ,
este arco también debe aparecer en el camino desde v0 hacia vi0 . Entonces, la desigualdad
es válida.

Todo camino P R para el cual vi0 y vj0 son los vértices que ocupan el primer y segundo lu-
gar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 5 es cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Proposición 4.6 (Familia 6) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

f0ii00 + fij00j0 ≤ xi0 j0 + fik00j0

define una faceta de CR.

Demostración:

Si vi0 no se encuentra antes que vj0 en el camino, entonces vi0 no puede ser el primer
vértice en este camino y el arco (vi0 , vj0 ) no podrá pertenecer a él.

Si el arco (vi0 , vj0 ) está en el camino y vi0 es el vértice siguiente a v0 en este camino,
entonces (vi0 , vj0 ) debe pertenecer a todos los caminos desde v0 hacia vk0 , para vk0 6= vi0 .
Con esto probamos que la desigualdad es válida.

Todo camino P R para el cual vi0 y vj0 son los vértices que ocupan el primer y segundo lu-
gar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 6 es cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Proposición 4.7 (Familia 7) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fjk00k0 + fij00k0 + fij00j0 ≤ xi0 j0 + fik00j0 + fji00k0

define una faceta de CR.

52 Estudio poliedral del Problema del Repartidor

Demostración:

Veamos que es válida. Si en el camino P R, vi0 es el predecesor inmediato de vj0 y vk0 su

sucesor inmediato, entonces el arco (vi0 , vj0 ) debe ser utilizado en el camino desde v0 hacia vk0 .

Si el arco (vi0 , vk0 ) es usado en el camino desde v0 hacia vj0 , ningún otro arco partiendo
de vi0 o llegando a vk0 puede ser utilizado en el camino.

Si vj0 es el predecesor inmediato de vk0 en el camino P R, se presentan dos posibilidades:

el vértice vi0 precede al vértice vj0 o el arco (vj0 , vk0 ) es utilizado en el camino desde v0 hacia
vi0 . Entonces la desigualdad es válida.

Todo camino P R para el cual vk0 , vi0 y vj0 son los vértices que ocupan el primer, segundo
y tercer lugar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 7 es
cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Proposición 4.8 (Familia 8) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fkj00j0 + fij00j0 ≤ xi0 j0 + fki00 j0

es una desigualdad válida para CR.

Demostración:

Si vi0 es el predecesor inmediato de vj0 en el camino P R, entonces ningún arco llegando a

vj0 desde otro cliente puede pertenecer al camino. Si vk0 es el predecesor inmediato de vj0 en
el camino, entonces el arco (vk0 , vj0 ) es usado en el camino desde v0 hacia vi0 o vi0 está antes
que vj0 en el camino. Esto demuestra la validez de la desigualdad.

Todo camino P R para el cual vi0 y vj0 son los vértices que ocupan el primer y segundo lu-
gar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 8 es cara de CR.

Proposición 4.9 (Familia 9) Sean i0 , j0 , k0 , l0 ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fij00k0 + fkj00i0 + fik00l0 + fik00j0 + fjk00l0 + fjk00k0 ≤ xi0 j0 + xj0 k0

es una desigualdad válida para CR.

4.2 Desigualdades válidas para CR 53

Demostración:

Veamos que es válida. Si el arco (vi0 , vk0 ) aparece en el camino desde v0 a vj0 , entonces
ningún otro arco saliendo de vi0 o entrando a vk0 puede pertenecer al camino y vi0 y vk0
figuran antes que vj0 . Si el arco (vk0 , vi0 ) aparece en el camino desde v0 a vj0 , entonces vk0
aparece antes que vi0 y vj0 .

Si (vi0 , vl0 ) aparece en el camino desde v0 a vk0 , entonces ningún otro arco saliendo de vi0
o entrando a vl0 puede pertenecer al camino. Para la posición de vj0 en el camino hay tres
posibilidades:
vj0 aparece antes que vi0 , y entonces vj0 está previo a vk0
vj0 aparece entre vi0 y vk0
vj0 está posterior a vk0
En cualquier camino P R, sólo hay un arco saliendo de vj0 . Si (vi0 , vj0 ) aparece en el
camino de v0 a vk0 , entonces vi0 aparece antes que vj0 y vk0 después que vj0 .

Si (vj0 , vl0 ) o (vj0 , vk0 ) aparecen en el camino de v0 a vk0 , entonces vj0 será anterior a vk0 .

Todo camino P R para el cual vi0 , vj0 y vk0 son los vértices que ocupan el primer, segundo
y tercer lugar respectivamente satisface la desigualdad por igualdad. Es decir, Familia 9 es
cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

4.2.2. Desigualdades derivadas del LOP

Como las variables x de nuestro modelo definen ordenamientos lineales, todas las des-
igualdades válidas para el LOP serán válidas para CR. En [31] fueron introducidas varias
familias de facetas para el LOP , y en [30] fueron utilizadas en la implementación de un algo-
ritmo de planos de corte. En este trabajo los autores reportan que las desigualdades válidas
con mejor desempeño dentro de este algoritmo fueron las 3-diciclo y las k-fence. Si bien
trabajos más actuales han caracterizado nuevas facetas del LOP , éstas son generalizaciones
de las familias presentadas en [31] y no resultan significativas en la implementación de una
algoritmo de planos de corte.

Desigualdades 3-diciclo
Las desigualdades 3-diciclo
xij + xjk + xki ≤ 2 i, j, k = 1, . . . , n i 6= j, k j 6= k
54 Estudio poliedral del Problema del Repartidor

forman parte de nuestra formulación. Sin embargo, no definen facetas de CR, ya que xij +
xjk + xki = 2 implica fjil = fkj
l l
= fik = 0 para todo l = 1, . . . , n.

Mediante un proceso de lifting logramos reforzar la desigualdad, incrementando la di-

mensión de la cara y obtenemos dos familias de facetas.

Proposición 4.10 (3-diciclo-1) Sean i0 , j0 , k0 ∈ {1, . . . , n} tres ı́ndices distintos. La desi-

gualdad
xi0 j0 + xj0 k0 + xk0 i0 + fij00k0 + fji00i0 ≤ 2
define una faceta de CR.

Demostración:

Veamos que la desigualdad es válida para CR.

Si el arco (vi0 , vk0 ) es utilizado en el camino desde el origen al vértice vj0 entonces el
vértice vk0 se encuentra antes que el vj0 y el vi0 antes que el vk0 y no es posible utilizar el
arco (vj0 , vi0 ) en el camino.

Por otro lado, si el arco (vj0 , vi0 ) pertenece al camino P R, el arco (vi0 , vk0 ) no puede ser
utilizado en el camino hacia vj0 y el vértice vk0 se encuentra después que el vj0 o antes que
el vi0 .

Todo camino P R para el cual vi0 , vj0 y vk0 son los vértices que ocupan el primer, segundo
y tercer lugar respectivamente satisface la desigualdad por igualdad. Es decir, (3-diciclo-1)
es cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Proposición 4.11 (3-diciclo-2) Sean i0 , j0 , k0 ∈ {1, . . . , n} tres ı́ndices distintos. La desi-

gualdad
xi0 j0 + xj0 k0 + xk0 i0 + fki00 j0 + fij00k0 + fjk00i0 ≤ 2
define una faceta de CR.

Demostración:

Si el arco (vk0 , vj0 ) es utilizado en el camino P R desde el origen al vértice vi0 entonces
el vértice vj0 se encuentra antes que el vi0 y el vk0 antes que el vj0 y no es posible utilizar
los arcos (vi0 , vk0 ) o (vj0 , vi0 ) en el camino. Una situación similar se presenta para los otros
4.2 Desigualdades válidas para CR 55

casos. Esto demuestra que la desigualdad es válida.

Todo camino P R para el cual vi0 , vj0 y vk0 son los vértices que ocupan el primer, segundo
y tercer lugar respectivamente satisface la desigualdad por igualdad. Es decir, (3-diciclo-2)
es cara de CR.

Para la demostración sobre la dimensión de la cara, ver detalles en el Apéndice. ✷

Desigualdades k-fence
Las desigualdades k-fence son definidas de la siguiente manera. Dados dos conjuntos
de vértices de cardinalidad k ≥ 3, U = {vu1 , . . . , vuk } y W = {vw1 , . . . , vwk }, se define el
conjunto de arcos A = ∪ki=1 ({(vui , vwi )} ∪ {(vwi , v)|v ∈ U \ {vui }}). Entonces
X
xij ≤ k 2 − k + 1
(vi vj )∈A

es una desigualdad k-fence. A los arcos de la forma (vui , vwi ) los llamaremos postes y a los
(vwi , vuj ) travesaños.

Estas desigualdades no definen facetas para CR. Si (vi vj )∈A xij = k 2 − k + 1, implica,
P
ui
por ejemplo, f0u i
= 0 ∀i = 1, . . . , k. Nuevamente, reforzando la desigualdad obtenemos una
más fuerte que la original aun válida para CR.

Proposición 4.12 Sean U ⊂ V \{v0 } U = {vu1 , . . . , vuk } y W ⊂ V \{v0 } W = {vw1 , . . . , vwk },

con k ≥ 3. La desigualdad
k
X k
X k
X k
k X
X
ui
(k − 2) f0u i
+ fwuiiui + xui wi + xwi uj ≤ k 2 − k + 1
i=1 i=1 i=1 i=1 j=1
j6=i

es una desigualdad válida para CR.

Demostración:

Vamos a dividir la demostración en dos casos:

Caso 1: ki=1 f0u
ui
P
i
=0

Si ki=1 fwuiiui = 0 obtenemos la clásica desigualdad k-fence del LOP y por lo tanto es
P
válida para el P R.

Si fwuiiui = 1 para algún i, entonces xui wi = 0. Si xuj wj = 1, las posibilidades son:

56 Estudio poliedral del Problema del Repartidor

• 0 vuj . . . vwi vui . . . vwj . . . que implica xwi uj = 0

• 0 vuj . . . vwj . . . vwi vui . . . que implica xwi uj = 0
• 0 vwi vui . . . vuj . . . vwj . . . que implica xwj ui = 0

Si l postes tienen valor 1, la suma de los travesaños disminuye en al menos 2l . Esto

resulta de considerar que si xui wi = xuj wj = 1, entonces xwi uj = 0 y/o xwj ui = 0

Pk Pk
Resumiendo, si i=1 fwuiiui = r y i=1 xui wi = l, entonces

k k k
k X  
X X X l 2
fwuiiui + xui wi + xwi uj ≤r+k −k− + l − rl =
i=1 i=1 i=1 j=1
2
j6=i

l(l − 1)
k2 − k − + l + r(1 − l)
2
Si l = 1, entonces
k
X k
X k
k X
X
fwuiiui + xui wi + xwi uj = k 2 − k + 1
i=1 i=1 i=1 j=1
j6=i

l(l−1)
Si l > 1, entonces r(1 − l) < 0 y l − 2
≤ 1, obteniendo que
k
X k
X k
k X
X
fwuiiui + xui wi + xwi uj ≤ k 2 − k + 1
i=1 i=1 i=1 j=1
j6=i

Pk ui u1
Caso 2: i=1 f0ui = 1. Sin pérdida de generalidad supongamos que f0u1 = 1.
La demostración la hacemos por inducción.
Para k = 3 es fácil ver que la desigualdad es válida.
Por ser vu1 el primer cliente visitado, podemos afirmar que xu1 w1 = 1, xwj u1 = 0 ∀j =
2, . . . , k y fwu11 u1 = 0. Entonces,

k
X k
X k
X k
k X
X
ui
(k − 2) f0u i
+ fwuiiui + xui wi + xwi uj =
i=1 i=1 i=1 i=1 j=1
j6=i

k
X X k
k X k
X k
X k
X
(k − 2) + 1 + fwuii ui + xwi uj + xui wi + xwj u1 + xw1 uj
i=2 i=2 j=2 i=2 j=2 j=2
j6=i
4.2 Desigualdades válidas para CR 57

Usando la hipótesis inductiva para k − 1,

k
X
2
≤ k − 1 + (k − 1) − (k − 1) + 1 + 0 + xw1 uj
j=2

≤ k − 1 + (k − 1) − (k − 1) + 1 + k − 1 ≤ k 2 − k + 1
2

Por lo tanto la desigualdad es válida.

✷
58 Estudio poliedral del Problema del Repartidor

.
Capı́tulo 5

Algoritmo Branch-and-Cut para el

Problema del Repartidor

En este capı́tulo describiremos las caracterı́sticas principales de nuestro algoritmo Branch-

and-Cut, al que denominaremos BC-R.

Como mencionamos en el capı́tulo 2, la performance de un algoritmo Branch-and-Cut de-

pende de muchos factores. Una buena relajación lineal y planos de corte con procedimientos
de separación adecuados, ayuda al mejoramiento de las cotas inferiores. Esto es clave para
podar ramas del árbol y disminuir el espacio de búsqueda y es aquı́ donde el estudio poliedral
del problema es fundamental para considerar buenas desigualdes válidas. Por otro lado, las
estrategias de recorrido del árbol, selección de nodos y algunos otros detalles de implemen-
tación aportan al conjunto del comportamiento del algoritmo. No hay una elección óptima
de cada una de las alternativas del algoritmo válida para cualquier problema ni instancia.
Las caracterı́sticas propias del problema son las que ayudan a determinar una buena elección.

En este capı́tulo estudiaremos detenidamente estos factores.

5.1. Cota Superior Inicial

La experiencia demuestra que contar con cotas superiores iniciales de buena calidad es
fundamental para reducir el tamaño del árbol de búsqueda en un algoritmo Branch-and-Cut.
La eficiencia del proceso de Bound depende en gran medida de la bondad de las cotas. Sin
embargo, en un contexto de un algoritmo Branch-and-Cut, es necesario lograr un equilibrio
entre el tiempo requerido en obtener las cotas y la calidad de las mismas. Por este moti-
vo elegimos procedimientos rápidos y sencillos que, de acuerdo a nuestra experimentación,
brindan cotas de muy buena calidad.

La cota superior inicial se obtiene a partir de la aplicación de una heurı́stica golosa se-

59
60 Algoritmo Branch-and-Cut para el Problema del Repartidor

guida de búsqueda local. La heurı́stica golosa es inicializada colocando el vértice depósito

en la posición 0 del camino P R. Luego el camino es extendido agregando recursivamente el
vértice aún no incorporado más cercano al último colocado en el camino bajo construcción.
Este procedimiento es aplicado n veces, considerando en la k-ésima iteración del algoritmo
el vértice vk como el primer cliente visitado. Finalmente la solución generada es mejorada
mediante un procedimiento de intercambio 3-opt [38].

La Table 5.1 muestra para diferentes tamaños de instancia, el promedio sobre 5 instancias
del porcentaje de gap entre el valor óptimo y el valor dado por la heurı́stica inicial.

D S A
n % gap % gap % gap
20 2,90 13,80 30,15
22 2,46 13,65 33,23
24 0,70 15,66 30,48
26 1,79 16,28 39,90
28 3,77 24,52 27,17
30 0,21 25,67 46,73
35 1,38 26,17 34,61
40 1,77 19,30 31,72
Promedio 1,87 19,38 34,25

Tabla 5.1: Heurı́stica Inicial

Como puede observarse, en instancias euclideanas la heurı́stica inicial brinda cotas supe-
riores de muy buena calidad. En las instancias simétricas y más aún en las asimétricas, el gap
es mayor. Esta situación resulta al menos curiosa ya que la heurı́stica no tiene explı́citamente
en cuenta propiedades de los costos. De cualquier manera, por el bajo costo de tiempo de
CPU (menos de una décima de segundo), la calidad de la cota resulta lo suficientemente
buena para ser tenida en cuenta en nuestro algoritmo BC-R.

5.2. Preprocesamiento
La etapa de preprocesamiento tiene dos objetivos, mejorar la cota inferior provista por
las relajaciones lineales y reducir el tamaño del problema en el número de variables y/o
restricciones. En muchos casos, esta etapa marca la diferencia entre poder resolver o no una
instancia tanto desde el punto de vista del tiempo como de requerimiento de memoria.

Nuestro modelo de programación lineal entera tiene n(n2 −n+1) variables y n(n−1)(8n+5)
6
+1
restricciones. Con esta medida, la resolución de las relajaciones lineales puede consumir mu-
5.3 Algoritmo de Planos de Corte 61

cho tiempo, incluso para instancias no demasiado grandes.

Utilizamos dos estrategias para mejorar la relación lineal:

Para cada cliente vi realizamos el siguiente procedimiento. Sea j tal que cik ≥ cij ∀k 6= i
y consideremos a1 , . . . , an−2 los n −P2 arcos de menor costo que no inciden sobre vi .
n−2
Definimos s = nc0i + (n − 1)cij + k=1 (n − 1 − k)cak . Si s es mayor que una cota
superior podemos afirmar que vi no será el primer cliente visitado en el camino P R
óptimo y por lo tanto la variable f0ii es nula.

Este preprocesamiento resulta efectivo en grafos para los cuales los costos de los arcos
son heterogéneos, situación que suele darse en instancias que corresponden a casos
reales.
Después de la aplicación de los procedimientos arriba descriptos, la cantidad de res-
tricciones todavı́a es grande cuando se resuelven las relajaciones lineales. Analizamos
varias alternativas para reducir aún más el tamaño de la formulación, pero no resultaron
efectivas computacionalmente. Si bien el tiempo insumido en resolver las relajaciones
era menor, la cota obtenida era signicativamente peor, y la cantidad de iteraciones con
planos de corte necesarias para mejorarla era tan grande que no resultaba conveniente
esta alternativa. Finalmente, consideramos la relajación lineal definida por las restric-
ciones por igualdad, usando las desigualdades del modelo como planos de corte.

Para mejorar la cota dada por la relajación lineal, ajustamos las desigualdades (3.34)
agregando la variable fjii , obteniendo la desigualdad
j
fjii + fki
i
+ xij − fki ≤1 i, j, k = 1, . . . , n i 6= j 6= k
Esta modificación resultó efectiva en el algoritmo.

5.3. Algoritmo de Planos de Corte

Para lograr un algoritmo de planos de corte eficiente es necesario desarrollar buenos algo-
ritmos de separación y llevar a cabo una etapa previa de evaluación de las diferentes familias
de desigualdades válidas .

Si bien el fin buscado es el incremento de las cotas inferiores, hay que buscar un ba-
lance entre varios aspectos. Si los cortes son muy densos se incrementa el requerimiento de
memoria y la resolución de la relajación es más lenta. Si los algoritmos de separación consu-
men mucho tiempo en relación al beneficio obtenido no vale la pena incluirlos en el algoritmo.

A continuación mostramos el análisis sobre distintos aspectos que hicimos de las des-
igualdades válidas que fundamenta nuestro juicio sobre las mismas.
62 Algoritmo Branch-and-Cut para el Problema del Repartidor

5.3.1. Algoritmos de Separación

La aplicación de un algoritmo de planos de corte tiene una etapa decisiva, la etapa de
separación. Debemos ser capaces de encontrar desigualdades violadas, es decir, identificar
una desigualdad que corte la solución fraccionaria actual, o probar que tal desigualdad no
existe.

Para lograr una buena performance global los procedimientos de separación deben ser
rápidos. En algunos casos este objetivo puede cumplirse con algoritmos exactos, pero en
otros es necesario implementar heurı́sticas. Estas últimas no aseguran que siempre se pueda
detectar desigualdades violadas, pero es una solución de compromiso ante el alto costo com-
putacional de algunos problemas de separación.

En nuestra implementación desarrollamos procedimientos de separación para las desigual-

dades válidas obtenidas a partir del estudio poliedral de CR que presentamos en la sección
4.2.1.

Las familias de desigualdades válidas que utilizamos conforman dos grupos. El primer
grupo de desigualdades son las que derivamos especificamente para el poliedro de nuestro
modelo. Todas ellas pertenecen a familias de cardinal polinomial de a lo sumo orden cúbico,
motivo por el cual implementamos algoritmos de separación de búsqueda exhaustiva.

La segunda familia de desigualdades válidas está conformada por las desigualdades deri-
vadas por Grötschel et al. en [31] para el problema de ordenamiento lineal, reforzadas para
nuestro modelo.

Las restricciones (3.31) que omitimos en la relajación inicial del modelo están dominadas
por las desigualdades 3-diclico-1, entonces basta incluir sólo estas últimas como cortes. La
búsqueda de cortes violados es exhaustiva. En experimentos preliminares, las desigualdades
3-diciclo-2 mostraron un comportamiento muy pobre, por tal motivo no son incluidas en el
análisis.

Para la separación de las desigualdades 3-fence usamos una heurı́stica.

La estructura particular de las soluciones fraccionarias de la relajación lineal que violan
esta desigualdad es:

valor cercano a 0.5 en las variables fwuii ui

valor cercano a 0.5 en xui wi

valor cercano a 1 en xwi uj para i 6= j

5.3 Algoritmo de Planos de Corte 63

Basados en esta estructura, el algoritmo de separación elige como candidatos para formar
un par us , ws a los clientes i, j si en la solución actual fijj y xij se encuentra entre 0.4 y 0.6.
Por cada terna de candidatos se construye una 3-fence.

5.3.2. Evaluación de las Familias de Desigualdades Válidas

Mediante la experimentación computacional tratamos de obtener conclusiones sobre el
comportamiento de cada una de las familias considerando diferentes criterios y alternativas.

En los experimentos computacionales que hicimos hemos considerado las desigualdades

del modelo original como planos de corte. El algoritmo termina cuando no es posible encon-
trar desigualdades violadas o cuando alcanza un máximo de 100 iteraciones. Una desigualdad
es incorporada como un plano de corte cuando la violación es mayor a 0.02. Las instancias
de prueba son las descriptas en el capı́tulo 3, diferenciando su origen sólo en aquellos casos
en que los resultados y conclusiones dependan del mismo.

Tiempo de Separación
Si los algoritmos de separación insumen mucho tiempo en relación al beneficio obtenido
en el incremento de la cota inferior, no vale la pena incluirlos en el algoritmo. Este no es
un factor que influye en nuestra implementación. Ejecutando un máximo de 100 iteraciones
en instancias con 20 a 50 clientes, el total de tiempo invertido en estos procedimientos fue
despreciable, no superando en ningun caso el 0,1 % del tiempo total.

Cantidad de Cortes por Familia

El total de cortes violados encontrados por cada algoritmo de separacion es una medida a
tener en cuenta. Si la cantidad de cortes violados es pequeña puede ser porque el algoritmo de
separacion no sea eficiente o porque la familia no sea violada por las soluciones fraccionarias.
En el primer caso, deberia implementarse un algoritmo mejor. En el segundo caso, salvo que
la adición de un número pequeño de desigualdades incremente significativamente la funcion
objetivo, indicaria que la familia no aporta a la performance del algoritmo. Cabe señalar que
un número grande de desigualdades válidas violadas no garantiza que su inclusión favorezca
el incremento de la funcion objetivo, además de agrandar el tamaño de las relajaciones y por
lo tanto requerir más tiempo de CPU.

Para evaluar esta situación ejecutamos 20 iteraciones del algoritmo de planos de corte
por cada familia, con una máximo de 600 cortes por iteracion. En las Tablas 5.2, 5.3 y 5.4
mostramos los resultados promedios cada 5 iteraciones del algoritmo de planos de corte en
instancias de diferentes tamaños.

Podemos observar que salvo las desigualdades k-fence, la separación del resto de las
familias encuentra un número aceptable de desigualdades en las primeras iteraciones, dismi-
64 Algoritmo Branch-and-Cut para el Problema del Repartidor

nuyendo a medida que el algoritmo progresa. Los datos sobre la violación de las mismas nos
indica que la profundidad de los cortes es significativa.

Las Familias 2, 5 y 9 son las que aportan la mayor cantidad de cortes violados, no sólo
en las iteraciones iniciales sino también en el transcurso de las etapas medias y finales.

Las Familias 1, 4 y 6 aportan pocos cortes en relación al resto, aún en las primeras ite-
raciones y continúan con este comportamiento en el transcurso de las interaciones.

Las Familias 3, 7 y 8 aparecen en las primeras iteraciones y en algunos casos, finalizando

el algoritmo no aportan ninún corte.

Las desigualdades 3-diciclo son abundantes al comienzo y casi desaparecen al promediar

las iteraciones.

La falta de desigualdades k-fence violadas podrı́a deberse a que la heurı́stica utilizada

no es capaz de encontrarlas o que efectivamente sean pocas. En instancias de pocos clientes,
utilizando búsqueda exhaustiva detectamos que las desigualdades k-fence violadas efectiva-
mente son muy pocas. Es decir, la heurı́stica es eficiente pero las desigualdades k-fence no
están frecuentemente violadas.

Evolución de la Cota Inferior

Para la evaluación final de la eficiencia de las distintas familias de desigualdades válidas
utilizamos como criterio la evolución de la cota inferior de la relajación lineal cuando es
ajustada por la adición de éstas. A mayor incremento, mejor la calidad de la desigualdad
válida. Como ya mencionamos antes, hay que buscar un balance entre diferentes aspectos.
No siempre vale la pena insumir mucho tiempo con el fin de obtener calidad de cota.

El análisis lo hemos hecho por familia y por combinación de familias.

Análisis por Familia

Como disponemos de 11 familias de cortes, cabe preguntarse si existe alguna de ellas
que tenga una mejor performance comparada con las otras. De todos los factores que
estudiamos, este fue el de mayor dificultad y que nos llevó el mayor tiempo de expe-
rimentación para obtener una respuesta. Experimentamos con muchas instancias de
diferente cantidad de clientes, buscando alguna caracterı́stica que nos indicara la ven-
taja de un corte sobre otro.

En las Tablas 5.5 y 5.6 reportamos nuestra experiencia con cada familia de cortes sobre
instancias entre 20 y 40 clientes. Para cada tamaño consideramos el promedio sobre
5.3 Algoritmo de Planos de Corte 65

5 instancias. Indicamos el porcentaje de gap entre el valor óptimo y la cota inferior

alcanzada utilizando esa familia como cortes, el tiempo total y número de iteración en
la que es obtenida. En la primera fila (Relaj) de cada tipo de instancia mostramos el
valor del gap inicial.

El comportamiento de las distintas familias no parece estar influenciado por el tamaño

de la instancia. En instancias euclideanas, la reduccion mı́nima de gap es del orden del
30 % y la máxima del 80 %. En las instancias simétricas, el gap se reduce en al menos
40 % y con un máximo de 90 %. En instancias asimétricas es donde mayor reducción
de gap se obtiene, lográndose una reducción de al menos 60 % y un máximo de casi el
90 %. Es decir, todas las familias en mayor o menor medida influyen en el mejoramiento
de la cota inferior.

En todos los casos las mejores cotas fueron obtenidas cuando se utiliza la Familia 3,
obteniendo en promedio un gap de 2, 98 % en 170 segundos (alrededor de un 90 % de
reducción del gap inicial). La Familia 4 también presentó una alta eficiencia, logró un
gap de 4, 07 % en 96 segundos (un 80 % de reducción). Las Familias 1 y 9 tienen un
comportamiento muy aceptable, con gap chicos (reducción del 70 %) pero insumiendo
más tiempo, en particular en el caso de la Familias 9. Las 3-diciclo si bien se apli-
can en pocas iteraciones, reducen el gap en poco tiempo, especialmente en instancias
asimétricas. Las Familias 6, 7, 8, kfence realizan pocas iteraciones de planos de corte
y, aunque en algunos casos el tiempo es bajo, la cota inferior lograda es de inferior
calidad (alrededor del 40 %) Las Familias 2 y 5 realizan gran cantidad de iteraciones
insumiendo un tiempo importante reduciendo el gap entre un 30 % y un 40 %.

Análisis de Combinaciones de Familias

En un primer paso, nos interesa comparar la eficiencia de las desigualdades válidas
derivadas especificamente para nuestro problema con respecto a las provenientes del
LOP . Con este objetivo, para los resultados presentados en la Tabla 5.7, hemos divi-
dido a las desigualdades válidas en tres grandes grupos. El primer conjunto, llamado
Set 0, contiene sólo las desigualdades no consideradas del modelo original. El segundo
conjunto, denominado Set 1, contiene las desigualdades derivadas especificamente para
nuestra formulación. El tercer grupo, llamado Set 2, contiene las desigualdades origina-
les del problema de ordenamiento lineal propuestas por Grotschel et al. [31] reforzadas
para nuestro modelo.

Experimentamos cuatro opciones. La primera usa como planos de corte, sólo desigual-
dades del Set 0. En el segundo experimento nos restringimos a las desigualdades en
Set 0 y Set 1. Para el tercero, utilizamos las desigualdades de Set 0 y Set 2, mientras
que el cuarto involucra las desigualdades de todos los conjuntos.
66 Algoritmo Branch-and-Cut para el Problema del Repartidor

Los resultados de la tabla 5.7 muestran que el algoritmo obtiene una mejora significati-
va de la cota inferior inicial mediante el uso de las desigualdades válidas caracterizadas
en este estudio. Esto es particularmente cierto para las desigualdades derivadas para
el modelo (Set 1). Sin embargo, para algunas de las instancias testeadas, usando las
desigualdades de Set 2 logramos mejorar un poco la cota y reduciendo en algunos casos
el tiempo de CPU. Como conclusión, consideramos que la estrategia de considerar la
combinación de los tres conjuntos es las más apropiada.

El último análisis nos llevó a experimentar con el orden en el cual se buscan y agregan
desigualdades de las distintas familias. Después de varios experimentos, finalmente
consideramos 6 combinaciones que involucran a todas las familias y que definen el
orden en el cual se buscan cortes entre las diferentes familias.

• C1: Flia 3, Flia 4, Flia 1, Flia 6, Flia 7, Flia 2-5, Flia 9 y k-fence
• C2: Flia 3, Flia 4, Flia 1, Flia 8, Flia 7, Flia 6, Flia 9, Flia 2-5, k-fence
• C3: Flia 3, Flia 4, Flia 1, Flia 7, Flia 8
• C4: Flia 3, Flia 4, Flia 1, Flia 9, Flia 2-5, Flia 6, Flia 8, k-fence
• C5: k-fence (en las primeras 5 iteraciones), Flia 3, Flia 4, Flia 1, Flia 8, Flia 7,
Flia 6, Flia 9, Flia 2-5
• C6: Flia 3, Flia 4, Flia 9, Flia 1, Flia 8, Flia 7, Flia 6, Flia 2-5, k-fence

En cada iteración del algoritmo de planos de corte permitimos incorporar un máximo

de 200 desigualdades para cada familia y 600 desigualdades en total. Los resultados del
algoritmo de planos de corte utilizando cada una de estas combinaciones son mostrados
en las Tablas 5.8, 5.9 y 5.10.

No hay una diferencia demasiado marcada en el porcentaje de gap entre los diferentes
criterios. En cambio, se presentan diferencias en los tiempos de ejecución, siendo la
combinación 2 la que obtiene la mejor relación gap vs tiempo insumido. En las instan-
cias D, la combinación 6, si bien logra una disminución del gap levemente superior, el
tiempo de CPU es casi duplicado.

Son varios los criterios que utilizamos para evaluar las desigualdades válidas: evolución
de la cota inferior, tiempos de los algoritmos de separación y violación de los cortes. Todos
ellos están relacionados y nos inducen a conclusiones que no entran en conflicto. Debido
al pequeño gap entre el valor óptimo y la cota inferior obtenida por el procedimiento de
planos de corte, estos experimentos confirman que nuestro modelo es una formulación fuerte
a partir de la cual se pueden generar buenas cotas inferiores mediante la incorporación de
las desigualdades válidas caracterizadas.
5.4 Algoritmo Branch-and-Bound 67

5.4. Algoritmo Branch-and-Bound

En esta sección describiremos las principales caracterı́sticas de los factores que definen
el esquema Branch-and-Bound de nuestro algoritmo. Esencialmente están enfocados en las
estrategias de generación y manejo del árbol de búsqueda. En general, no hay una elec-
ción óptima de cada una de las alternativas del algoritmo válida para cualquier instancia.
Las caracterı́sticas propias del problema son las que ayudan a determinar una buena elección.

5.4.1. Heurı́stica Primal

Cuando la solución de la relajación lineal es buena, explotar esta información puede
generar soluciones factibles de muy buena calidad. Mediante procedimientos heurı́sticos se
construyen soluciones enteras basadas en el óptimo fraccionario de la relajación. Estos pro-
cedimientos cuentan con más información del problema que al comienzo del algoritmo y esto
hace suponer que serán capaces de encontrar mejores soluciones.

Las heurı́sticas que hacen uso de la solución fraccionaria para crear una solución factible
son conocidas como heurı́sticas primales. El ejemplo más simple de una heurı́stica primal es
redondear las variables fraccionarias a valores enteros factibles. En nuestro caso, dado que
las relajaciones brindan soluciones con valores cercanos al óptimo entero, es de esperar que
una heurı́stica basada en esto brinde muy buenos resultados y ası́ poder obtener excelentes
cotas superiores. Sin embargo, es necesario encontrar un balance correcto entre la efectividad
del procedimiento y el tiempo de cómputo requerido.

En nuestro algoritmo, experimentamos con cuatro criterios para construir una solución
entera a partir de la solución de las relajaciones. En todos los casos, a la solución encontrada
se le aplica un procedimiento de intercambio 3-opt.
Criterio 1: Siguiendo la idea de la heurı́stica inicial, se realizan n iteraciones, tomando
como primer cliente en la iteración k el cliente vk . Recursivamente, elegimos como
siguiente cliente vj , entre los que aún no pertenecen al camino, al que maximiza fijj ,
donde vi representa al último cliente incorporado al camino.
Criterio 2: Se aplica Criterio 1 resolviendo los desempates con la elección del arco de
menor costo.
Criterio 3: Es similar al P
Criterio 1, pero elige como próximo cliente vj a incorporar al
camino al que maximiza l6=i fijl , donde vi representa al último cliente incorporado al
camino.
Criterio 4: Forma el camino P R eligiendo como próximo arco a incorporar al camino
al que maximiza fijj entre los clientes vi que aún no tienen sucesor y los clientes vj que
aún no tienen antecesor.
68 Algoritmo Branch-and-Cut para el Problema del Repartidor

El Criterio 4 no resultó ser efectivo. El tiempo consumido por el procedimiento es elevado

en comparación a su efectividad en encontrar buenas soluciones. Los otros 3 criterios son muy
rápidos y se complementan. La utilización combinada de ellos mostró los mejores resultados,
obteniendo soluciones de alta calidad en las primeras iteraciones del algoritmo. Cabe señalar
que las soluciones óptimas de las instancias testeadas fueron obtenidas, en todos los casos,
por la aplicación de la heurı́stica primal.

5.4.2. Selección de Variable de Branching y Fijado de Variables

por Implicaciones Lógicas
La generación del árbol de búsqueda está definida por el proceso de Branching. En este
etapa, el espacio de soluciones factibles asociado a un nodo se divide en dos o más conjuntos
que representan los nuevos nodos (hijos) del árbol.

Las dos primeras alternativas de Branching implementadas utilizan el criterio clásico de

dicotomı́a en una variable para generar los nodos del árbol. Se generan dos subproblemas
por nodo, asociando a cada uno el conjunto de soluciones factibles donde la variable de
Branching es fijada en 0 ó 1 respectivamente. Las otras alternativas están basadas en las
propiedades del problema.

Los criterios analizados para la elección de la variable de branching son los siguientes:

B1: La variable xij con parte fraccionaria más cercana a 1/2.

B2: La variable xij con parte fraccionaria más cercana a 0 ó 1.

P
B3: Elegimos el cliente vi con ri = cercana a ⌈n/2⌉ − 1.
j6=i xji fraccionaria más P
GeneramosPdos nuevos subproblemas, agregando la restricción j6=i xji ≤ ⌊r⌋ en uno
de ellos y j6=i xji ≥ ⌈r⌉ en el otro. En el primero, estamos obligando que el cliente vi
sea uno de los primeros ⌊r⌋ + 1 clientes del camino P R, mientras que en el segundo lo
contrario.

B4: La variable fijj fraccionaria más cercana a 1.

B5: Cada nodo del árbol de búsqueda tiene asociado un camino parcial de clientes
j
0, v1 , . . . , vk . Como variable de Branching elegimos la fkj fraccionaria con menor ckj .
Se crean dos nuevos subproblemas, en uno de ellos fijamos esta variable en 1 y en el
otro en 0. Esto indica que en uno de los hijos se fija al cliente vj como próximo en el
camino y en el otro se prohibe esta situación.

B6: Entre las variables fijj fraccionaria con valor mayor a 0, 85 seleccionamos la de
menor cij .
5.4 Algoritmo Branch-and-Bound 69

B7: Los pseudo-costos brindan una manera de estimar la degradación del valor de
la función objectivo cuando se fuerza que una variable con valor fraccionario tome un
valor entero. La técnica fue introducida en 1970 en [10]. Para una variable candidata
xk , los pseudo-costos son calculados como:
z̄k − zku z̄k − zkd
Uk = y Dk =
1 − fk fk
donde z̄k es el valor de la función objetivo del padre, zku es el valor de la función objetivo
obtenida al forzar que xk tome el valor del entero superior, y zkd el valor de la función
objetivo cuando xk toma el valor del entero inferior. Se calcula la degradación de una
variable como Dk fk + Uk (1 − fk ) y se selecciona como variable de branching la variable
candidata con degradación máxima. Utilizamos una versión de pseudo costos menos
intensiva computacionalmente provista por CPLEX.

En muchos problemas combinatorios, una decisión tomada en cierta variable del proble-
ma trae como consecuencia una serie de decisiones implı́citas. En el caso del problema de
repartidor, por ejemplo, si se decide que el cliente vi será visitado después que el cliente vj
entonces el arco (vj , vi ) no podrá pertenecer a la solución. Este tipo de situaciones se presenta
cada vez que se elige una variable de Branching.

Para cada una de las reglas de branching utilizadas, mostraremos las variables que pueden
ser fijadas mediante implicaciones lógicas. Nuestro algoritmo tiene implementadas estas sim-
ples consideraciones pues reducen el tamaño del problema y las relajaciones lineales resultan
más rápidas de resolver.

Cuando fijamos xij = 1 podemos deducir que:

j
1. El cliente vj no es el primer cliente del camino (f0j = 0)
2. El arco (j, i) no pertenece al camino (fjik = 0 ∀k 6= j)
i
3. Ningun arco incidente al cliente vj es usado en el camino hacia el cliente vi (fjk =
i
0 ∀k 6= j y fkj = 0 ∀k 6= i, j)
4. Todo cliente vk visitado antes que vi , también será visitado antes que vj (xki = 1 →
k k h h
xkj = 1 y fjh = 0 ∀h 6= j, fhj = 0 ∀k 6= j, k, fjk = 0 ∀h 6= j y fkj = 0 ∀h 6= k).
5. Todo cliente vk visitado después que vj , también será visitado después que vi .
i h i h
(xjk = 1 → xik = 1 , fkh = 0 ∀h 6= k, fki = 0 ∀h 6= k, fhk = 0 ∀h 6= i, k y fik = 0).
Imponer xij = 0 es similar a fijar xji = 1, y es posible hacer las mismas deducciones
que en el caso anterior intercambiando los roles de los clientes vi y vj .
Fijar fijj = 1 implica que el arco (i, j) es utilizado en el camino.
Si i 6= 0, podemos deducir que xij = 1 y, a partir de esto, también fijar todas las
variables que mostramos en el caso anterior. Adicionalmente, podemos imponer:
70 Algoritmo Branch-and-Cut para el Problema del Repartidor

l
1. fik = 0 ∀k 6= i, j ∀l 6= i
l
2. fkj = 0 ∀k 6= i, j ∀l 6= i
3. Si ya se encuentra fijado xjk = 1 para algún k, podemos imponer fijk = 1
i j
4. Si fki = 1 fue impuesto, nos permite fijar fki =1

Si i = 0 podemos deducir:

1. xjk = 1 ∀k 6= j
2. fljk = 0 ∀l, k 6= j
3. flkj = 0 ∀l, k 6= j

Fijar fijj = 0 implica que fijk = 0 para todo cliente k.

En la Tabla 5.11 mostramos el tiempo requerido por el algoritmo y la cantidad de nodos

recorridos para cada una de los criterios de branching enunciados. Para cada tamaño consi-
deramos 5 instancias tomando el promedio sólo sobre las que no se resolvieron en el nodo
raı́z. Los valores en letra itálica significan que alguna de las instancias de ese tamanño no fue
resuelta dentro de las 8hs, mientras que los **** indican que ninguna instancia se resolvió en
ese lı́mite de tiempo. Para poder realizar una comparación entre todas las estrategias, en el
promedio total no consideramos las instancias de 40 clientes. Todas las instancias S de 22
clientes y A de 22 y 26 clientes testeadas finalizaron en el nodo raı́z.

El tamaño de las instancias que pueden resolverse en tiempos razonables mediante un

Branch-and-Bound está limitado por poco más de 25 clientes. Por este motivo, para poder
realizar una buena comparación de las estrategias de branching en instancias de mayor ta-
maño, las pruebas computacionales fueron hechas aplicando 30 iteraciones de planos de corte
en el nodo raı́z y 5 en cada nodo del árbol. Esta decisión resulta razonable ya que el objetivo
final de las estrategias de branching es usarlas en un algoritmo Branch-and-Cut y además, en
grafos de tamaño pequeño, observamos que el comportamiento de las estrategias es similar
se aplique cortes o no.

En las estrategias 4 y 6, si fij es la variable de Branching, en el nodo hijo que resulta

de fijar fijj en 0 se incorpora una información poco relevante para el camino P R. Estamos
diciendo que el cliente vj no será el cliente visitado inmediatamente despues que el cliente vi ,
dejando libertad para la elección de cualquier otro cliente. En cambio, el nodo hijo corres-
pondiente a fijj = 1 restringe mucho más la región. Esto marca un desequilibrio en el árbol
al que le atribuimos la mala performance del algoritmo en algunas instancias.

Las estrategias 1, 2 y 7, al elegir una variable x como variable de Branching, evitan la

situación anterior. Antes de la experimentación, tenı́amos confianza en que la estrategia 3
tuviera un buen desempeño, basados en el hecho de que el árbol resultante es balanceado,
5.5 Algoritmo Branch-and-Cut 71

pero no resultó ası́ .

Las estrategia 7 y estrategia 5 son las de mejor performance, con una ventaja para la
primera. Tener en cuenta los costos para tomar decisión sobre la variable de branching es
una muy buena estrategia que suele funcionar también en otro tipo de problemas. Por otro
lado, ir construyendo el camino a medida que se genera el árbol también parece ser una
buena estrategia, aunque en desventaja con los pseudo-costos.

5.4.3. Estrategias de Recorrido del Árbol

Después de la etapa de Branching se debe seleccionar un nodo de la lista de nodos aún no
explorados (abiertos). Esto determina la forma en que es recorrido el árbol. Como ya men-
cionamos, las estrategias básicas son dos: DFS (profundidad, elige el último nodo creado),
BestF (elige el nodo con mejor función objetivo para la relajación lineal asociada).

En experimentos preliminares combinando distintas estrategias de selección de variable

y recorrido del árbol no obtuvimos una diferencia notable al utilizar DFS o BestF. Los re-
sultados obtenidos fueron muy similares, con una leve ganacia con DFS. Por este motivo,
decidimos recorrer el árbol de enumeración en profundidad y no presentar todas las combi-
naciones posibles provocando una comparación muy tediosa y poco significativa.

Las estrategias resultan neutralizadas aún mas en el marco del Branch-and-Cut donde,
como podrá verse posteriormente, la cantidad de nodos generados es muy poca.

5.5. Algoritmo Branch-and-Cut

Habiendo analizado estrategias de recorrido y generación del árbol y la performance de
las diferentes familias de desigualdades válidas, quedan dos puntos importantes a definir:
cuando aplicar cortes y por cuantas iteraciones. Responder a estos interrogantes es el obje-
tivo de esta sección.

Después de resolver la relajación lineal de un nodo del árbol, se debe decidir si se generan
cortes o se procede a realizar el branching. Es de esperar que los planos de corte ayuden a
mejorar las cotas y esto permita podar ramas del árbol. Sin embargo, el proceso de búsqueda
de desigualdades violadas y la posterior resolución de la relajación tienen un costo. Las
decisiones de cúando y por cúantas iteraciones aplicar un algoritmo de planos de corte antes
de realizar un branching es un factor crucial en la performance del algoritmo. Los planos
de corte son muy efectivos desde el punto de vista del incremento de la cota inferior. Sin
embargo, dentro de un esquema Branch-and-Cut, debe lograrse un equilibrio entre estas dos
posibilidades. Para manejar esta decisión utilizamos dos parámetros:
72 Algoritmo Branch-and-Cut para el Problema del Repartidor

IPC: limita la cantidad de iteraciones que se realizan del algoritmo de planos de corte
en cada nodo del árbol.

Skip Factor: este valor indica la frecuencia con la que se aplica planos de corte en los
nodos del árbol. Puede relacionarse la decisión con el nivel del árbol o con los nodos.

Los valores de estos parámetros no son fáciles de determinar. A continuación analizamos

posibles alternativas.

Iteraciones del Algoritmo de Planos de Corte: IPC

Las experiencias presentadas en la sección 5.3 sobre el mejoramiento de la cota inferior en

la relajación inicial cuando son adicionadas desigualdades válidas, nos inducen a considerar
que en BC-R vale la pena invertir esfuerzo en el nodo raı́z realizando más de una iteración
del algoritmo de planos de corte. En relación al tamaño de las instancias que consideramos
en nuestra experimentación, y teniendo en cuenta los valores de tiempo y las iteraciones en
las que se producen los incrementos, 30 iteraciones en el nodo raı́z resulta un valor que logra
cierto equilibrio entre el beneficio y el tiempo.

Una segunda etapa de nuestro análisis se enfocó en la determinación del número de ite-
raciones en el resto de los nodos del árbol. Esto es manejado a través del parámetro IPC.
En general, obtenido un incremento significativo en el nodo raı́z, los cambios en el valor de
la cota inferior no son tan marcados en el resto de los nodos. Por lo tanto, no se justifica
realizar muchas iteraciones del algoritmo de planos de corte salvo para el nodo raı́z.

Experimentamos con BC-R con diferentes valores de IPC. En la Tabla 5.12 presentamos
nuestros resultados con 30 iteraciones en el nodo raı́z y 0, 1, 2, 3, 4, 5 y 6 iteraciones en el
resto de los nodos del árbol. Los resultados están dados sobre el promedio de 5 instancias
de distinto tamaño. Los valores en letra itálica significan que alguna de las instancias de ese
tamaño no fue resuelta dentro del lı́mite de 8hs de tiempo de CPU.

La tabla refleja claramente que a medida que aplicamos más iteraciones del algoritmo de
planos de corte, mayor es la reducción en la cantidad de nodos explorados del árbol. Sin em-
bargo, el tiempo de resolver las relajaciones no siempre se ve compensado por la disminución
del tamaño del árbol. Para instancias de hasta 26 clientes, la formulación obtenida al finalizar
el nodo raı́z es lo suficientemente fuerte como para permitir que luego un Branch-and-Bound
(IPC=0) sea la estrategia óptima para utilizar en el algoritmo. Sin embargo, al aumentar
el tamaño de las instancias se evidencia la necesidad de incorporar planos de corte en los
nodos del árbol. Con 4 iteraciones del algoritmo de planos de corte se obtiene el equilibrio
buscado: reducción de nodos y tiempo. Esta es la opción que mejor performance tiene.
5.6 Branch-and-Bound vs BC-R 73

Skip Factor

En una segunda etapa analizamos con que frecuencia aplicar planos de corte. Uno de
los criterios más usuales es relacionar esta decisión con los nodos del árbol. Por ejemplo, un
skip factor de 0 significa que serán aplicados planos de corte en todos los nodos explorados,
mientras que un skip factor de 2 hace que dos nodos sean ignorados entre cada par de nodos
donde se aplicó cortes.

Para poder analizar el comportamiento de nuestro algoritmo frente a diferentes valores

del skip factor experimentamos con instancias de entre 20 y 40 clientes. En la Tabla 5.13
mostramos el tiempo y cantidad de nodos para valores de skip factor de 0, 1, 2 y 3 respecti-
vamente. Los resultados son los promedios sobre 5 instancias de cada una de los tamaños.

En las instancias de mayor tamaño se evidencia un claro dominio del valor 0 para el skip
factor, ya sea desde el punto de vista del tiempo como del tamaño del árbol de búsqueda.
En las instancias de menor tamaño, los planos de corte agregados en el nodo raı́z ajustan lo
suficiente la relajación como para no necesitar la adición de gran cantidad de nuevos cortes
para resolver el problema. Este comportamiento es similar al mostrado cuando analizamos
el IPC. Esta conclusión refuerza nuestra valoración sobre los planos de corte. La influencia
sobre las relajaciones justifica usarlos en todos los nodos.

5.6. Branch-and-Bound vs BC-R

Si bien de alguna manera se desprende del análisis que hicimos sobre el skip factor, nos pa-
rece interesante remarcar el beneficio logrado al incluir planos de corte. Para eso comparamos
nuestro algoritmo BC-R con skip factor igual a 0 con un algoritmo Branch-and-Bound. La
comparación está hecha sobre la misma implementación, con igual estrategia de branching,
recorrido del árbol y heurı́stica primal, simplemente no llamamos a las rutinas de separación
(las desigualdades del modelo son utilizados en ambos casos como planos de corte). En la
Tabla 5.14 queda evidenciada la mejor performance del algoritmo que incluye los planos de
corte. Estos resultados son los promedios sobre 5 instancias para cada tamaño.

La reducción obtenida por BC-R en los tiempos de ejecución es notable. Se logran re-
solver instancias que sin los planos de corte superan el lı́mite de 8 hs. Cabe señalar que
para poder obtener resultados con Branch-and-Bound dentro de las 8hs tuvimos que redu-
cir el tamaño de las instancias de experimentación a 26 clientes. Para instancias con mayor
cantidad de clientes, la inclusión de planos de corte resulta esencial para resolver el problema.

Estos resultados no hace más que confirmar que la inclusión de los planos de corte reduce
drásticamente la cantidad de nodos explorados, llegando incluso a resolver instancias en el
nodo raı́z.
74 Algoritmo Branch-and-Cut para el Problema del Repartidor

20
1-5 6-10 11-15 16-20
# cortes viol. # cortes viol. # cortes viol. # cortes viol.
F1 90,40 0,54 57,60 0,10 20,80 0,06 7,8 0,04
F2 519,80 0,49 140,80 0,06 12,2 0,02
F3 171,60 1,51 31,60 1,07 1,2 0,21
F4 94,60 0,45 6,60 0,07 1,4 0,01
F5 478,40 0,45 103,20 0,05 5 0,02
F6 39,40 0,48 37,00 0,10 14,2 0,04
F7 178,60 0,56 73,80 0,10 29,2 0,07
F8 138,80 0,62 136,80 0,23 4,8 0,02
F9 588,60 0,54 112,00 0,06 11 0,04
k-fence 2,2 0,36 3,20 0,28 1,2 0,15
3-diciclo 139,00 0,43 17,40 0,02 1 0,02
26
1-5 6-10 11-15 16-20
# cortes viol. # cortes viol. # cortes viol. # cortes viol.
F1 148,4 0,47 68,2 0,09 35,8 0,06 16 0,04
F2 600 0,44 469 0,11 68,2 0,05 19,8 0,03
F3 303,6 1,38 62,8 1,07 16,2 0,63
F4 179 0,43 21,6 0,07 0,6 0,01
F5 600 0,51 349,6 0,08 95,4 0,05 0,6 0,01
F6 49,6 0,61 19 0,14 24,6 0,07 18,2 0,01
F7 261,2 0,47 97,4 0,07 78,8 0,10 13 0,03
F8 271 0,49 224,8 0,16 8,6 0,01
F9 600 0,56 600 0,24 166 0,07 24,2 0,04
k-fence 7,8 0,51 2,6 0,21 0,2 0,12
3-diciclo 341,6 0,39 10,6 0,03

Tabla 5.2: Cantidad de Cortes I

5.7 CPLEX vs BC-R 75

28
1-5 6-10 11-15 16-20
# cortes viol. # cortes viol. # cortes viol. # cortes viol.
F1 167,40 0,49 84,60 0,08 45,20 0,04 20,40 0,04
F2 600,00 0,63 567,40 0,09 108,40 0,04 13,00 0,02
F3 512,60 1,42 81,80 1,05 3,80 0,21
F4 219,60 0,45 37,20 0,10 9,40 0,04
F5 600,00 0,68 434,40 0,07 63,20 0,04 4,60 0,02
F6 57,20 0,29 31,20 0,13 36,20 0,06 10,40 0,03
F7 436,80 0,51 178,00 0,16 71,80 0,07 6,40 0,03
F8 309,40 0,59 259,60 0,28 8,00 0,03
F9 600,00 0,57 600,00 0,33 493,40 0,22 131,80 0,04
k-fence 18,60 0,51 8,60 0,32 3,00 0,18 1,40 0,22
3-diciclo 427,80 0,46 19,20 0,03 0,40 0,01
30
1-5 6-10 11-15 16-20
# cortes viol. # cortes viol. # cortes viol. # cortes viol.
F1 198,8 0,54 127 0,09 69,8 0,05 32,8 0,04
F2 600 0,55 600 0,10 285,2 0,06 103,8 0,05
F3 535,4 1,52 116,4 1,08 12 0,62
F4 274,6 0,50 39,2 0,09 11,8 0,04
F5 600 0,44 530,4 0,09 111,4 0,03 52,4 0,04
F6 72,6 0,46 62 0,14 16,4 0,13 96,8 0,02
F7 466,6 0,60 324 0,12 64 0,08 59,8 0,06
F8 343 0,64 478,8 0,23 77,4 0,05 1,4 0,02
F9 600 0,62 600 0,33 600 0,29 600 0,21
k-fence 6 0,57 27,8 0,32 5,8 0,25 2,80 0,17
3-diciclo 441,4 0,45 46,4 0,05 8,4 0,01

Tabla 5.3: Cantidad de Cortes II

76 Algoritmo Branch-and-Cut para el Problema del Repartidor

35
1-5 6-10 11-15 16-20
# cortes viol. # cortes viol. # cortes viol. # cortes viol.
F1 223,2 0,52 122,2 0,08 71,4 0,05 42,8 0,04
F2 600 0,55 600 0,11 523 0,07 247,6 0,03
F3 585 1,47 406 1,12 61,2 1,04 5 0,62
F4 293,4 0,46 56,8 0,09 28,6 0,06 12 0,03
F5 600 0,64 600 0,09 338,8 0,05 91,2 0,03
F6 0 0,00 13,2 0,11 34,4 0,10 1,6 0,01
F7 535,6 0,55 408,8 0,17 119,6 0,07 82 0,05
F8 471 0,52 344,6 0,17 98,6 0,05 5,6 0,02
F9 600 0,73 600 0,34 600 0,18 600 0,21
k-fence 29,6 0,34 11,2 0,20 3,6 0,10 1 0,12
3-diciclo 563,2 0,48 60,4 0,03 16 0,02 2,2 0,01
40
1-5 6-10 11-15 16-20
# cortes viol. # cortes viol. # cortes viol. # cortes viol.
F1 337 0,44 101,8 0,07 38,6 0,05 15,4 0,04
F2 600 0,40 600 0,14 600 0,09 543,6 0,07
F3 600 1,57 450,8 1,15 83 1,03 13,8 0,82
F4 479 0,52 43,4 0,09 39,6 0,08 18,6 0,03
F5 600 0,41 600 0,14 600 0,07 204,8 0,04
F6 60,6 0,70 0 0,00 45 0,08 7,6 0,02
F7 549,6 0,53 446,4 0,15 166,2 0,09 70,2 0,07
F8 542,4 0,52 504,2 0,26 199 0,13 2,2 0,02
F9 600 0,64 600 0,35 600 0,36 600 0,53
k-fence 78,8 0,46 26,6 0,26 16,4 0,12 3,8 0,13
3-diciclo 600 0,53 353,6 0,13 27,6 0,02 1,2 0,01

Tabla 5.4: Cantidad de Cortes III

 20 22 24 26

5.7 CPLEX vs BC-R

Familia Gap Tiempo # Iterac Gap Tiempo # Iterac Gap Tiempo # Iterac Gap Tiempo # Iterac
Relaj. 17,58 0,09 22,75 0,11 22,97 0,17 22,12 0,22
F1 7,23 25,00 11,90 6,50 27,00 13,31 8,01 25,20 17,04 7,18 26,20 29,12
F2 11,34 18,20 36,54 12,22 20,60 40,29 13,55 18,80 45,78 13,42 23,20 88,40
F3 6,05 8,60 7,26 3,52 15,60 13,97 3,95 14,00 23,61 3,32 17,40 39,86
F4 6,67 14,40 5,49 4,48 16,80 6,42 4,55 17,40 14,61 3,95 19,40 23,63
D F5 11,07 16,00 36,25 11,96 17,60 41,93 13,38 16,40 47,15 13,37 19,60 89,56
F6 13,97 17,40 6,07 15,59 19,00 5,29 16,61 18,80 7,95 15,81 21,60 13,69
F7 11,73 16,20 15,07 13,23 17,40 14,92 14,70 15,80 20,44 14,51 20,60 37,78
F8 13,85 15,40 6,06 14,98 15,00 5,93 16,14 14,00 8,40 15,76 15,80 12,78
F9 8,06 16,40 22,21 7,04 20,00 24,32 7,30 22,80 52,91 6,37 26,40 86,12
k-fence 13,78 17,60 8,37 14,92 18,80 10,10 16,11 20,20 15,84 15,73 20,20 23,38
3-diciclo 9,31 12,00 7,48 8,79 13,80 7,45 9,55 11,60 11,99 8,39 13,40 20,77
Relaj. 35,84 0,08 28,03 0,13 43,67 0,19 36,52 0,27
F1 10,86 12,60 5,35 11,60 11,80 5,41 17,60 16,00 12,75 13,56 15,40 15,53
F2 13,79 15,00 23,14 14,38 16,20 20,74 21,75 18,20 44,98 16,88 18,20 58,07
F3 0,65 9,00 10,42 1,46 13,00 17,25 3,84 13,40 36,04 1,77 12,80 43,60
F4 1,19 14,40 10,69 2,33 15,20 12,72 5,36 16,00 25,44 2,81 16,40 37,74
S F5 11,90 15,60 29,81 13,73 13,20 24,42 20,22 15,00 52,39 15,74 16,80 77,41
F6 17,29 15,80 7,07 16,39 16,60 7,34 25,89 18,00 14,92 20,22 19,60 19,13
F7 13,85 13,40 10,98 14,35 14,20 10,91 22,38 14,60 20,59 17,42 16,20 28,85
F8 17,64 13,00 5,37 17,06 13,00 5,79 26,60 12,20 10,44 20,58 13,20 14,37
F9 6,80 18,20 29,12 6,86 19,20 30,59 12,72 24,40 71,55 8,16 25,20 101,45
k-fence 17,61 15,80 7,16 17,04 15,80 6,77 26,45 17,40 13,34 20,56 16,80 18,72
3-diciclo 8,53 11,60 9,54 10,33 12,20 9,24 16,91 12,60 18,18 12,20 12,80 26,72
Relaj. 10,33 0,14 11,20 0,20 13,48 0,25 11,78 0,44
F1 1,19 10,60 3,16 1,48 12,00 4,53 3,44 13,40 7,52 0,90 13,80 14,92
F2 0,40 12,20 10,64 0,36 12,80 12,96 2,52 13,60 19,96 0,56 14,40 34,45
F3 0,28 11,40 5,53 0,64 10,60 6,52 2,46 13,80 11,85 0,43 13,40 17,94
F4 1,85 11,40 3,87 2,60 13,00 4,68 4,10 12,00 7,06 2,17 16,00 13,18
A F5 0,22 10,40 10,93 0,33 12,20 12,87 1,91 12,60 23,58 0,50 13,20 36,01
F6 2,42 13,60 4,49 3,26 14,80 4,97 5,44 15,20 7,13 3,20 17,20 14,05
F7 0,33 10,60 5,48 0,83 11,20 6,40 3,01 12,40 10,44 0,74 12,80 17,17
F8 2,80 11,80 3,63 3,40 12,00 4,25 5,70 10,60 6,10 3,27 14,40 12,19
F9 1,16 12,80 8,54 1,46 12,40 8,42 3,28 13,20 14,58 1,36 15,80 24,57
k-fence 2,72 16,00 4,81 3,40 13,80 4,87 5,64 13,80 7,30 3,25 17,20 13,58
3-diciclo 0,80 11,00 5,51 1,22 10,60 5,48 3,41 11,40 9,24 1,06 15,00 17,89

77
Tabla 5.5: Comparación de las familias de desigualdades válidas I
Algoritmo Branch-and-Cut para el Problema del Repartidor Familia 28 30 35 40
Gap Tiempo # Iterac Gap Tiempo # Iterac Gap Tiempo # Iterac Gap Tiempo # Iterac
Relaj. 23,29 0,40 21,78 0,48 24,58 0,91 26,20 2,01
F1 8,73 32,00 48,66 7,58 39,80 79,08 10,13 40,40 253,44 10,56 40,40 560,23
F2 15,01 23,20 123,94 12,93 26,20 238,32 17,38 40,00 989,10 18,39 45,20 2202,20
F3 4,44 17,60 59,72 4,16 19,40 87,80 5,68 25,20 314,38 5,35 29,40 893,44
F4 5,17 18,40 32,02 4,75 19,20 44,28 6,30 148,85 23,20 5,82 26,80 376,53
D F5 14,83 20,20 134,97 12,83 22,80 258,23 17,40 35,20 1025,50 18,26 40,40 2350,86
F6 17,71 23,20 17,42 15,89 23,80 26,95 20,66 33,40 94,37 21,29 46,20 244,66
F7 16,11 21,40 51,55 14,44 23,00 77,38 19,01 34,40 331,80 19,84 41,80 784,95
F8 17,32 16,20 17,85 15,67 15,20 28,48 20,24 19,20 96,47 20,90 20,80 208,37
F9 8,06 28,80 142,56 7,14 33,60 231,04 9,97 44,40 818,73 9,19 63,20 2793,29
k-fence 17,29 21,40 37,22 15,65 23,60 52,25 20,21 32,40 205,07 20,88 43,20 579,68
3-diciclo 10,32 14,60 29,76 9,35 15,00 43,55 20,98 27,40 77,66 16,29 28,60 280,70
Relaj. 38,77 0,42 38,76 0,58 46,40 1,04 44,84 2,71
F1 14,96 16,60 29,55 17,45 16,40 39,42 20,37 17,00 102,04 21,72 18,60 288,89
F2 19,38 21,40 113,90 21,33 20,80 154,11 25,57 28,00 488,98 27,35 34,60 1584,90
F3 2,29 15,00 79,81 2,82 15,40 126,39 3,08 17,60 393,27 4,91 22,40 1247,73
F4 3,44 17,60 66,61 3,97 17,80 105,14 4,03 20,60 301,10 5,87 24,40 797,98
S F5 18,34 18,40 140,53 19,51 18,60 204,58 23,96 23,80 625,20 26,21 30,40 1891,56
F6 23,04 19,20 34,47 24,10 21,20 54,67 29,50 26,20 178,42 31,05 34,20 525,39
F7 19,98 16,20 49,98 21,49 17,40 77,53 26,76 20,60 221,10 28,33 26,60 639,93
F8 23,58 12,80 26,07 24,63 12,40 37,41 29,96 16,00 106,33 31,28 17,00 294,93
F9 10,24 27,00 191,30 10,98 33,00 373,22 12,15 46,40 1302,87 13,65 64,40 4163,22
k-fence 23,53 19,00 33,94 24,56 19,80 53,30 29,90 26,00 171,40 31,24 33,00 553,46
3-diciclo 14,43 12,80 46,27 15,42 13,80 73,84 18,30 16,20 215,17 20,19 21,00 606,39
Relaj. 11,89 0,74 14,43 0,79 16,36 1,56 17,37 5,78
F1 2,92 13,00 19,93 3,02 15,60 35,19 1,22 16,20 97,69 5,76 16,60 262,46
F2 2,14 16,80 59,75 3,28 17,40 105,63 0,88 23,40 295,24 5,65 30,20 1211,69
F3 2,38 13,80 28,61 1,73 16,00 49,35 1,24 18,20 140,98 5,09 21,00 424,78
F4 4,04 14,80 20,04 3,29 17,40 35,20 2,35 17,00 83,55 6,52 20,20 266,19
A F5 1,89 14,20 58,59 2,97 14,80 103,85 0,81 20,80 352,08 5,47 25,60 1137,54
F6 4,70 17,20 21,73 6,29 18,80 35,39 3,20 20,80 96,96 9,33 23,20 286,85
F7 2,60 13,80 27,10 3,50 14,80 49,09 1,36 17,00 134,74 6,75 20,80 390,49
F8 5,01 12,80 17,91 6,53 16,40 30,19 3,27 15,60 78,38 9,43 16,80 212,11
F9 3,26 17,00 35,86 2,83 19,20 67,08 1,94 21,20 164,72 6,43 24,60 555,37
k-fence 5,01 15,80 20,72 6,52 18,00 35,24 3,26 20,40 93,89 9,43 21,20 263,13
3-diciclo 3,00 13,00 25,79 3,10 15,20 44,74 1,75 17,20 124,66 6,66 19,00 362,36
78

Tabla 5.6: Comparación de las familias de desigualdades válidas II

 5.7 CPLEX vs BC-R
Instancia Relaj. Set0 Set0 + Set1 Set0 + Set2 Set0 + Set1 + Set2
Gap tiempo Gap tiempo #LP Gap tiempo #LP Gap tiempo #LP Gap tiempo #LP
20 17,58 0,09 13,84 6,36 17,00 4,46 7,48 6,00 9,07 8,91 13,60 4,46 6,35 5,6
22 22,75 0,11 14,98 6,46 19,20 0,54 27,84 13,20 8,27 9,20 14,60 0,50 21,08 12,8
24 22,97 0,17 16,14 10,21 19,00 0,65 70,21 19,40 9,18 14,35 12,60 0,61 50,57 16,8
26 22,12 0,22 15,76 14,96 19,60 0,32 125,77 22,00 8,16 23,62 14,40 0,25 100,00 22,4
28 23,29 0,40 17,32 22,68 22,00 0,74 230,62 26,80 10,02 33,60 15,80 0,68 166,94 23,6
30 21,78 0,48 15,67 32,45 22,00 0,71 280,36 28,80 9,03 52,59 17,00 0,64 221,39 25,6
35 24,58 0,91 20,24 118,08 31,00 1,36 1233,72 33,40 12,35 159,94 20,80 1,29 694,50 26,2
40 26,20 2,01 20,90 318,25 42,20 1,66 3481,09 48,20 11,97 402,21 24,40 1,54 2090,91 39,6
Prom. D 22,66 0,55 16,86 66,18 24,00 1,30 682,14 24,73 9,76 88,05 16,65 1,25 418,97 21,58
20 35,84 0,08 17,64 6,23 14,80 0,00 8,55 5,60 8,53 9,67 11,20 0,00 8,69 5,6
22 28,03 0,13 17,06 6,32 16,40 0,00 20,94 8,60 10,33 9,57 13,00 0,00 21,42 8,6
24 43,67 0,19 26,60 12,38 16,60 0,25 61,92 15,20 16,91 19,37 13,20 0,11 63,17 13,4
26 36,52 0,27 20,58 17,51 16,00 0,30 50,12 9,40 12,20 28,20 13,60 0,23 52,99 9,8
28 38,77 0,42 23,58 30,17 18,00 0,12 117,54 13,00 14,43 50,45 14,80 0,05 124,01 13,6
30 38,76 0,58 24,63 47,35 18,20 0,36 216,72 16,40 15,42 77,67 14,80 0,22 221,22 15
35 46,40 1,04 29,96 154,17 24,00 0,20 729,99 23,80 18,30 245,79 17,80 0,07 704,96 19,6
40 44,84 2,71 31,28 511,89 31,40 1,69 2428,75 31,00 20,19 676,99 22,80 1,35 2566,65 33,2
Prom. S 39,10 0,68 23,92 98,25 19,43 0,37 454,32 15,38 14,54 139,71 15,15 0,25 470,39 14,85
20 10,33 0,14 2,80 3,94 13,80 0,00 3,27 5,60 0,80 5,58 11,40 0,00 3,28 5,6
22 11,20 0,20 3,40 4,69 13,60 0,00 4,40 5,20 1,22 5,54 10,40 0,00 4,46 5,2
24 13,48 0,25 5,70 6,91 13,60 0,18 16,55 10,60 3,41 9,59 11,60 0,15 16,10 9,4
26 11,78 0,44 3,27 13,30 15,80 0,00 14,05 6,60 1,06 18,69 14,80 0,00 14,17 6,6
28 11,89 0,74 5,01 20,75 16,20 0,52 63,74 20,00 3,00 27,92 14,00 0,47 64,06 17,8
30 14,43 0,79 6,53 32,53 17,60 0,61 66,09 12,60 3,10 48,06 16,40 0,58 69,46 13,2
35 16,36 1,56 3,27 92,29 19,60 0,11 183,92 13,20 1,75 133,13 18,20 0,10 176,04 13
40 17,37 5,78 9,43 252,13 22,20 1,97 993,85 27,80 6,66 390,66 20,40 1,90 1043,70 30,8
Prom. A 13,35 1,24 4,93 53,32 16,55 0,42 168,23 12,7 2,62 79,9 14,65 0,4 173,91 12,7

Tabla 5.7: Set 0 - Set 1 - Set 2

79
80 Algoritmo Branch-and-Cut para el Problema del Repartidor

n 20 22 24 26 28 30 35 40 Promedio
Relaj. Gap 17,58 22,75 22,97 22,12 23,29 21,78 24,58 26,20 22,66
tiempo 0,09 0,11 0,17 0,22 0,40 0,48 0,91 2,01 0,55
Gap 4,46 0,51 0,60 0,25 0,67 0,64 1,29 1,54 1,25
C1 tiempo 7,47 29,07 78,84 147,12 249,36 318,81 1241,01 3582,74 706,80
#LP 5,80 12,40 18,00 23,80 27,20 28,00 33,00 46,80 24,38
Gap 4,46 0,50 0,61 0,25 0,68 0,64 1,29 1,54 1,25
C2 tiempo 6,35 21,08 50,57 100,00 166,94 221,39 694,50 2090,91 418,97
#LP 5,60 12,80 16,80 22,40 23,60 25,60 26,20 39,60 21,58
Gap 4,46 0,62 0,72 0,46 0,90 0,93 1,53 1,85 1,44
C3 tiempo 8,05 23,62 62,80 105,14 199,80 223,08 950,97 2650,00 527,93
#LP 6,20 13,20 19,80 22,20 27,20 28,20 29,80 38,80 23,18
Gap 4,46 0,51 0,60 0,26 0,66 0,63 1,29 1,54 1,24
C4 tiempo 9,52 26,09 61,40 109,79 204,17 246,72 912,74 2919,20 561,20
#LP 5,60 12,40 15,40 20,60 25,00 22,80 27,80 43,40 21,63
Gap 4,46 0,51 0,60 0,26 0,67 0,64 1,29 1,55 1,25
C5 tiempo 7,11 26,99 70,91 134,70 239,17 289,93 1136,46 3262,39 645,96
#LP 5,40 13,20 18,80 23,20 26,40 25,20 33,40 47,60 24,15
Gap 4,46 0,51 0,60 0,26 0,66 0,64 0,69 1,55 1,17
C6 tiempo 11,83 36,42 82,12 161,29 307,83 362,82 1493,74 4583,01 879,88
#LP 6,80 14,20 18,60 24,80 29,20 27,20 35,80 52,60 26,15

Tabla 5.8: Combinaciones de familias - Instancias D

5.7 CPLEX vs BC-R 81

n 20 22 24 26 28 30 35 40 Promedio
Relaj. Gap 35,84 28,03 43,67 36,52 38,77 38,76 46,40 44,84 39,10
tiempo 0,08 0,13 0,19 0,27 0,42 0,58 1,04 2,71 0,68
Gap 0,00 0,00 0,10 0,23 0,04 0,22 0,07 1,34 0,25
C1 tiempo 9,08 20,36 68,87 58,40 134,45 245,75 783,33 2901,65 527,74
#LP 5,40 7,40 13,80 10,00 13,80 15,40 20,80 36,00 15,33
Gap 0,00 0,00 0,11 0,23 0,05 0,22 0,07 1,35 0,25
C2 tiempo 8,69 21,42 63,17 52,99 124,01 221,22 704,96 2566,65 470,39
#LP 5,60 8,60 13,40 9,80 13,60 15,00 19,60 33,20 14,85
Gap 0,00 0,04 0,33 0,29 0,17 0,39 0,36 1,65 0,40
C3 tiempo 8,44 21,66 54,13 48,96 110,80 187,70 622,15 2070,60 390,55
#LP 5,40 9,40 13,60 9,40 12,40 14,20 19,80 25,40 13,70
Gap 0,00 0,00 0,11 0,23 0,05 0,23 0,07 1,36 0,26
C4 tiempo 8,31 19,54 51,68 43,91 107,48 186,83 607,44 2176,93 400,26
#LP 5,00 7,40 10,80 9,00 11,80 13,20 16,80 28,60 12,83
Gap 0,00 0,00 0,10 0,23 0,05 0,21 0,07 1,36 0,25
C5 tiempo 9,01 21,76 66,73 51,39 118,50 224,81 708,05 2487,35 460,95
#LP 5,60 8,60 14,40 9,80 12,60 15,20 20,00 31,40 14,70
Gap 0,00 0,00 0,10 0,23 0,05 0,22 0,07 1,36 0,26
C6 tiempo 10,98 24,97 70,32 57,49 132,83 242,23 733,90 2763,23 504,49
#LP 6,00 9,80 14,80 10,60 14,00 16,20 21,20 35,00 15,95

Tabla 5.9: Combinaciones de familias - Instancias S

82 Algoritmo Branch-and-Cut para el Problema del Repartidor

n 20 22 24 26 28 30 35 40 Promedio
Relaj. Gap 10,33 11,20 13,48 11,78 11,89 14,43 16,36 17,37 13,35
tiempo 0,14 0,20 0,25 0,44 0,74 0,79 1,56 5,78 1,24
Gap 0,00 0,00 0,15 0,00 0,45 0,57 0,09 1,90 0,39
C1 tiempo 4,36 4,48 16,85 14,05 72,83 67,21 172,29 1070,97 177,88
#LP 5,80 4,80 8,40 5,60 19,00 11,80 11,00 30,00 12,05
Gap 0,00 0,00 0,15 0,00 0,47 0,58 0,10 1,90 0,40
C2 tiempo 3,28 4,46 16,10 14,17 64,06 69,46 176,04 1043,70 173,91
#LP 5,60 5,20 9,40 6,60 17,80 13,20 13,00 30,80 12,70
Gap 0,00 0,00 0,62 0,00 1,13 0,85 0,27 2,79 0,71
C3 tiempo 3,33 4,47 11,65 14,67 35,05 46,49 142,87 613,67 109,03
#LP 5,40 5,20 8,40 6,60 11,60 10,20 11,80 20,40 9,95
Gap 0,00 0,00 0,15 0,00 0,48 0,58 0,10 1,93 0,41
C4 tiempo 4,06 4,48 15,18 14,27 60,95 61,84 156,61 913,56 153,87
#LP 5,60 4,60 8,20 6,20 15,60 10,60 12,00 27,80 11,33
Gap 0,00 0,00 0,15 0,00 0,46 0,57 0,10 1,91 0,40
C5 tiempo 3,28 4,32 15,82 13,48 64,08 65,13 167,30 959,58 161,62
#LP 5,40 5,20 9,20 6,60 17,60 12,20 12,60 29,00 12,23
Gap 0,00 0,00 0,15 0,00 0,48 0,58 0,10 1,92 0,40
C6 tiempo 4,23 5,21 16,96 15,23 69,85 71,86 176,07 1021,50 172,62
#LP 5,40 5,00 8,60 6,60 19,00 12,80 13,20 28,40 12,38

Tabla 5.10: Combinaciones de familias - Instancias A

5.7 CPLEX vs BC-R 83

n 22 24 26 28 30 35 40 Prom.
B1 tiempo 81,79 291,88 228,31 561,97 1320,38 2845,35 12788,93 888,28
# nodos 4,00 9,00 3,34 5,50 10,67 6,67 16,67 6,53
B2 tiempo 301,70 1514,82 673,41 2680,65 4603,46 12071,05 14400,8 3640,85
# nodos 118,00 199,50 153,67 287,00 180,00 304,00 288 207,03
B3 tiempo **** **** **** **** **** **** **** ****
# nodos **** **** **** **** **** **** **** ****
D B4 tiempo 151,30 703,41 268,03 1358,20 1959,60 3583,05 8996,47 1337,26
# nodos 24,00 47,50 10,00 50,00 33,33 18,00 28 30,47
B5 tiempo 180,75 188,07 247,88 756,76 894,93 2494,38 11557,35 793,79
# nodos 19,00 4,00 6,67 20,50 10,00 9,33 18 11,58
B6 tiempo 177,64 660,78 257,60 1146,99 1946,48 3526,88 9575,81 1286,06
# nodos 30,00 44,00 8,00 37,50 33,33 18,00 35 28,47
B7 tiempo 85,29 195,51 139,54 474,74 627,76 2401,05 9262,64 653,98
# nodos 3,00 4,00 2,00 6,00 5,33 8,00 12,40 4,72
B1 tiempo 188,58 181,34 423,33 665,61 885,57 13816,81 468,89
# nodos 4,00 4,00 4,00 6,00 2,00 20,00 4,00
B2 tiempo 353,52 724,48 941,18 2029,29 2463,57 ***** 1302,41
# nodos 124,00 194,00 180,00 256,00 252,00 **** 201,20
B3 tiempo **** **** 3986,06 **** **** **** 3986,06
# nodos **** **** 878,00 **** **** **** 878,00
S B4 tiempo 123,72 185,25 230,15 753,73 1065,64 7854,10 471,70
# nodos 4,00 12,00 4,00 14,00 12,00 30,00 9,20
B5 tiempo 112,63 136,65 487,46 586,05 954,45 5880,72 455,45
# nodos 4,00 6,00 12,00 8,00 8,00 12,80 7,60
B6 tiempo 120,39 163,61 227,68 717,89 1083,00 7038,98 462,51
# nodos 4,00 8,00 4,00 14,00 14,00 22,00 8,80
B7 tiempo 126,32 148,63 219,23 608,21 894,15 6908,17 399,31
# nodos 4,00 2,00 2,00 4,00 2,00 11,60 2,80
B1 tiempo 43,76 170,98 382,04 575,05 12898,42 292,96
# nodos 2,00 4,50 8,00 4,00 40 4,63
B2 tiempo 171,12 471,76 2647,52 1474,18 15756,48 1191,14
# nodos 128,00 109,00 364,00 172,00 465,5 193,25
B3 tiempo **** **** **** **** **** ****
# nodos **** **** **** **** **** ****
A B4 tiempo 71,33 144,20 394,09 669,04 7617,975 319,67
# nodos 18,00 15,50 23,00 24,00 52 20,13
B5 tiempo 35,47 135,34 685,15 448,35 11092,29 326,08
# nodos 2,00 7,00 31,00 10,00 42,20 12,50
B6 tiempo 54,79 140,21 341,70 455,66 10770,68 248,09
# nodos 6,00 12,50 17,00 8,00 61,20 10,88
B7 tiempo 37,42 105,55 310,71 445,82 7410,79 224,88
# nodos 2,00 2,00 5,00 4,00 21,00 3,25

Tabla 5.11: Comparación de los criterios de branching

Algoritmo Branch-and-Cut para el Problema del Repartidor

n 0 1 2 3 4 5 6
tiempo nodos tiempo nodos tiempo nodos tiempo nodos tiempo nodos tiempo nodos tiempo nodos
22 75,6 9,0 72,9 5,0 87,1 5,0 84,3 3,5 84,8 3,0 85,3 3,0 85,7 3,0
24 147,9 8,0 164,7 7,0 180,8 7,0 186,1 5,0 191,2 4,0 195,5 4,0 198,4 4,0
26 188,0 3,3 212,2 4,7 187,0 2,7 188,7 2,7 190,3 2,7 191,3 2,7 191,3 2,7
28 420,0 15,0 409,4 8,0 419,1 6,5 444,7 6,5 462,6 6,0 474,7 6,0 486,1 6,0
30 569,1 10,7 572,4 7,3 602,8 6,7 588,9 4,7 619,2 5,3 627,8 5,3 630,7 5,3
35 2756,5 27,3 2206,7 12,0 2291,8 10,0 2369,1 8,7 2452,3 8,7 2401,1 8,0 2383,3 8,0
40 11315 163,6 9669 32,0 9488 21,6 9082 15,6 8097,6 14,0 9262,6 12,4 9064 13,2
D 2210,3 33,8 1901,0 10,9 1893,8 8,5 1849,1 6,7 1728,3 6,2 1891,2 5,9 1862,8 6,0
24 144,0 9,0 115,6 4,0 116,6 4,0 118,5 4,0 116,3 4,0 126,3 4,0 126,3 4,0
26 140,8 4,0 149,0 4,0 145,1 2,0 145,4 2,0 145,4 2,0 148,6 2,0 144,1 2,0
28 217,2 2,0 219,3 2,0 212,1 2,0 212,5 2,0 200,7 2,0 219,2 2,0 211,0 2,0
30 571,5 6,0 573,3 6,0 569,2 6,0 569,6 4,0 542,1 4,0 608,2 4,0 587,2 4,0
35 852,1 4,0 897,2 2,0 850,3 2,0 833,4 2,0 791,9 2,0 894,2 2,0 841,7 2,0
40 8140,2 47,5 5829,8 14,8 6670,3 13,2 6108,3 11,6 6011,7 11,2 6908,2 11,6 6686,3 11,2
S 1677,6 12,1 1297,3 5,5 1427,3 4,9 1331,3 4,3 1301,3 4,2 1484,1 4,3 1432,8 4,2
24 37,4 2,0 37,4 2,0 36,9 2,0 36,5 2,0 35,4 2,0 37,4 2,0 36,9 2,0
28 98,8 4,0 101,6 3,0 103,8 2,5 102,2 2,0 98,2 2,0 105,6 2,0 103,2 2,0
30 288,6 14,0 268,7 7,0 285,8 7,0 290,3 6,0 290,0 6,0 310,7 5,0 315,2 5,0
35 376,4 6,0 398,3 4,0 409,6 4,0 414,1 4,0 409,1 4,0 445,8 4,0 449,7 4,0
40 4656,4 67,3 7329,7 42,4 6866,3 28,6 5900,7 19,8 5358,9 16,2 7410,8 21,0 5578,0 15,0
A ***** **** 1627,1 11,7 1540,5 8,8 1348,8 6,8 1238,3 6,0 1662,1 6,8 1296,6 5,6

Tabla 5.12: Iteraciones de planos de corte

84
5.7 CPLEX vs BC-R 85

n 0 1 2 3
tiempo #nodos tiempo #nodos tiempo #nodos tiempo #nodos
22 84,76 3,00 81,89 5,00 75,61 7,00 80,25 8,00
24 191,25 4,00 180,57 6,00 165,63 7,00 177,56 7,00
26 190,32 2,67 202,70 3,33 187,63 3,33 196,73 3,33
28 462,64 6,00 439,70 7,00 400,58 9,50 420,36 10,00
30 686,83 6,00 674,93 7,00 587,90 7,25 635,37 7,50
35 2452,34 8,67 2324,97 10,00 2130,75 12,67 2384,67 12,67
40 8097,56 14,00 9459,60 21,20 8948,45 28,60 9357,33 35,60
Prom. D 1737,96 6,33 1909,19 8,50 1785,22 10,76 1893,18 12,01
24 116,26 4 125,44 4 129,26 6 137,44 8
28 200,73 2 218,33 2 198,81 2 206,91 2
30 542,08 4 534,13 6 515,6 6 535,73 6
35 791,9 2 813,48 4 797,12 4 821,45 4
40 6011,65 11,20 5487,07 13,60 7277,20 21,60 7291,52 25,20
Prom. S 1532,52 4,64 1435,69 5,92 1783,60 7,92 1798,61 9,04
24 35,4 2,00 34,83 2 36,09 2 35,92 2
28 98,23 2,00 94,13 3,5 94,36 4 95,43 3,5
30 290,01 6,00 281,72 8 287,62 10 304,60 11
35 409,06 4 350,96 4 351,01 6 370,16 4
40 5358,86 16,20 6756,94 33,40 7288,77 38,00 6908,73 50,20
Prom. A 1238,31 6,04 1503,72 10,18 1611,57 12,00 1542,97 14,14

Tabla 5.13: Skip factor

86 Algoritmo Branch-and-Cut para el Problema del Repartidor

5.7. CPLEX vs BC-R

Al implementar un Branch-and-Cut es natural plantearse la comparación contra algún
algoritmo de propósito general. ¿Vale la pena todo el esfuerzo invertido en una implemen-
tación ad-hoc? ¿Por qué no usar la implementación de un buen paquete de optimización?
¿Es superior la eficiencia de los cortes especı́ficos para un problema con respecto a los cortes
generales para problemas lineales enteros mixtos generales? Para responder a estas pregun-
tas, utilizamos el paquete CPLEX [17]. CPLEX brinda la posibilidad de incorporar cortes
clique, cover, disyuntivos, flow cover, flow path, Gomory, generalized upper bound (GUB)
cover, implied bound y mixed integer rounding.

En la Tabla 5.15 presentamos los promedios correspondientes a 5 instancias para cada

tamaño. Reportamos los tiempos y cantidad de nodos para BC-R, BC-R más los cortes de
uso general ofrecidos por CPLEX y CPLEX con los parámetros default para un Branch-and-
Cut y todas las ventajas que el paquete ofrece (las desigualdades del modelo son siempre
utilizadas como planos de corte).

En los resultados obtenidos cuando sólo utilizamos los cortes de uso general provistos
por CPLEX, podemos observar que se repite el comportamiento que ya señalamos con el
algoritmo Branch-and-Bound. Los cortes del CPLEX no son efectivos en reducir el tamaño
del árbol con respecto al Branch-and-Bound y el tiempo de resolución de cada nodo au-
mentó. Esto muestra, que para este problema los cortes de uso general no son efectivos. Los
resultados de nuestro algoritmo BC-R son más que contundentes. El promedio de tiempo de
resolución y el tamaño del árbol disminuyeron drásticamente. Puede observarse, por ejemplo
en las instacias D de 26 clientes, tiempos que superaban una hora con el CPLEX que nuestro
algoritmo las resuelve en 160 segundos.

Por otro lado, dada la performance de BC-R hemos podido resolver instancias con ma-
yor número de clientes que, en el caso de utilizar el Cplex, superaban las 8 horas de proceso.

En los experimentos computacionales realizados podemos observar que el número de no-

dos explorados es significativamente pequeño, lo que demuestra que las desigualdades válidas
constituyen la razón principal del éxito del algoritmo.

La incorporación en BC-R de cortes de uso general tiene escasa influencia en el algo-

ritmo, salvo para instancias simétricas con menos de 28 clientes en las cuales el tiempo de
CPU se redujo.

Si comparamos la relación tiempo-cantidad de nodos explorados, CPLEX genera mayor

cantidad de nodos por unidad de tiempo. BC-R tiene una relación mucho menor. Esto se
debe a varios factores. Los algoritmos de separación y las iteraciones del algoritmo de cortes
aumentan el tiempo invertido en cada subproblema. Sin embargo, los resultados son más
5.7 CPLEX vs BC-R 87

n B-and-B BC-R
tiempo #nodos tiempo #nodos
20 87,30 23,00 7,72 0,00
22 478,85 115,60 43,18 1,20
24 3276,89 430,00 108,66 1,60
26 4608,42 429,25 155,30 2,00
Prom. D 2112,87 249,46 78,72 1,20
20 104,50 29,20 8,68 0,00
22 309,43 79,60 20,80 0,00
24 3866,27 479,20 68,18 0,80
26 2686,28 286,40 60,08 0,40
Prom. S 1741,62 218,60 39,43 0,30
20 8,22 2,00 3,35 0,00
22 11,79 3,60 4,52 0,00
24 97,12 23,00 17,05 0,40
26 34,60 4,40 14,48 0,00
Prom. A 37,93 8,25 9,85 0,10

Tabla 5.14: Branch-and-Bound vs BC-R

88 Algoritmo Branch-and-Cut para el Problema del Repartidor

BC-R BC-R + Cortes Cplex Cplex

Tiempo Nodos Tiempo Nodos Tiempo Nodos
20 7,72 0,00 7,62 0,00 108,10 30,20
22 43,18 1,20 43,38 1,20 472,38 115,60
24 108,66 1,60 108,87 1,60 3216,22 438,00
26 155,30 2,00 153,03 2,00 4629,42 429,25
28 424,32 4,80 427,68 4,80
30 448,59 3,20 442,10 3,20
35 1790,53 5,20 1796,45 5,20
40 8097,56 14,00 8757,23 14,00
Prom. D 1384,48 4,00 1467,04 4,00 **** ****
20 8,68 0,00 4,04 0,00 103,71 28,40
22 20,80 0,00 4,75 0,00 296,20 79,60
24 68,18 0,80 17,83 0,40 3617,51 479,20
26 60,08 0,40 14,91 0,00 2704,52 286,40
28 120,79 0,40 107,68 0,40
30 248,59 0,80 269,94 0,80
35 682,79 0,40 709,07 0,40
40 6011,65 11,20 6017,98 11,60
Prom. S 902,69 1,75 893,27 1,70 **** ****
20 3,35 0,00 4,04 0,00 8,29 2,00
22 4,52 0,00 4,75 0,00 11,73 3,60
24 17,05 0,40 17,83 0,40 94,64 23,00
26 14,48 0,00 14,91 0,00 36,07 4,40
28 81,09 1,60 85,51 1,60
30 132,54 2,40 142,03 2,40
35 198,69 0,80 211,55 0,80
40 5358,86 16,20 5294,21 17,80
Prom. A 726,32 2,68 721,85 2,88 **** ****

Tabla 5.15: CPLEX vs BC-R

que elocuentes. A pesar de la robustez y eficiencia de la implementación de CPLEX, los

planos de corte y todas las estrategias especı́ficas que desarrollamos para BC-R conforman
un algoritmo exitoso.
Capı́tulo 6

Conclusiones

En este trabajo abordamos la resolución del Problema del Repartidor utilizando modelos
de programación lineal entera binaria.

Propusimos una nueva formulación para modelar este problema. Las cotas inferiores
brindadas por la relajación lineal de la nueva formulación resultaron de muy buena calidad,
obteniendo un muy buen promedio de porcentaje de gap en instancias generadas al azar
entre 20 y 40 clientes. Comparado con otros modelos de la literatura, los resultados mos-
traron un buen balance entre calidad de la cota y tiempo de CPU necesario para la resolución.

En la segunda parte del trabajo, motivados por la calidad de la relajación, realizamos un

estudio poliedral de la cápsula convexa de las soluciones factibles del modelo. Encontramos
varias familias de desigualdades válidas que bajo ciertas condiciones definen facetas del po-
liedro. Claramente no hemos logrado una caracterización completa. Debido a la complejidad
del problema, lejos estaba éste de ser nuestro objetivo. Cabe señalar que hasta el momento
no existe en la literatura un estudio poliedral del Problema del Repartidor.

En base a estas familias de desigualdades válidas, implementamos algoritmos de separa-

ción y experimentamos con un algoritmo de planos de corte buscando mejorar el gap inicial
de la relajación del modelo. Sobre las mismas instancias aleatorias mencionadas anterior-
mente, el promedio del gap final del algoritmo disminuyó significativamente, permitiendo
probar optimalidad en varias instancias.

La última parte del trabajo estuvo centrada en el desarrollo del algoritmo BC-R. El
algoritmo de planos de corte fue embebido dentro de un algoritmo Branch-and-Cut, en el
que tuvimos en cuenta factores que consideramos esenciales para una buena performance.

Una etapa inicial de preprocesamiento que reduce el número de variables del modelo,
permitiendo resolver instancias de mayor tamaño.

Heurı́sticas iniciales y primales para el cálculo de cotas superiores que reducen el espacio

89
90 Conclusiones

de búsqueda.

Procedimientos de separación rápidos y eficientes para varias de las familias de des-

igualdades válidas obtenidas de nuestro estudio poliedral.

Estrategias de selección de variable de branching y recorrido del árbol que guian la

búsqueda.

Para cada uno de estos factores consideramos distintas alternativas. Mediante la expe-
rimentación con instancias generadas al azar buscamos identificar aquellas alternativas que
brindan la mejor performance. En algunos casos surgió claramente cual es la mejor opción.
En otros, no pudimos llegar a una conclusión determinante. Esta situación es comprensible
por la diversidad de tipos de costos que tienen las instancias.

Las desigualdades válidas surgidas del estudio poliedral constituyen un factor decisivo
en la performance del algoritmo implementado. La incorporación de las mismas en la etapa
de cutting permite mejorar sustancialmente el valor de la cota inferior y reducir el tamaño
del árbol de búsqueda. La comparación que hicimos con un algoritmo Branch-and-Bound da
muestras más que evidentes de esta afirmación donde observamos una reducción notable en
los tiempos de ejecución. Las estrategias propuestas para selección de variable de Branching
es clave para la generación de un árbol de menor tamaño.

El éxito del algoritmo fue obtenido gracias a las excelentes cotas inferiores dadas por la
fase de planos de corte junto con muy buenas cotas superiores obtenidas por la heurı́stica
primal. En la mayorı́a de las instancias la heurı́stica primal encuentra la solución óptima en
los primeros nodos del árbol de enumeración, aún en las instancias A y S donde la heurı́stica
inicial tiene una performance más débil.

BC-R es un algoritmo exacto que tiene la caracterı́stica de ir mejorando las cotas inferior
y superior durante el tiempo de ejecución. De esta manera, aún en el caso que no logremos
alcanzar el óptimo dentro del tiempo lı́mite establecido, tenemos un intervalo donde tenemos
garantı́a que se encuentra el óptimo del problema. Esto es muy importante para evaluar la
calidad de una solución obtenida por una heurı́stica.

Nuestro trabajo deja espacio para futuros estudios.

Lejos estamos de haber dado una caracterización completa del poliedro de soluciones fac-
tibles. Quedan aún familias de desigualdades válidas por caracterizar que, utilizadas como
planos de corte, pueden contribuir a mejorar los resultados.

En nuestra experimentación hemos encontrado algunas diferencias en la performance del

modelo de acuerdo al tipo de instancias. ¿Qué es lo que provoca estas diferencias? ¿Porqué las
cotas inferiores tienen un menor gap para instancias asimétricas y en cambio la heurı́stica
inicial tiene un comportamiento contrario? ¿Hay algún procedimiento que pueda mejorarse
 91

segun el tipo de instancia?

El modelo de Picard y Queyranne otorga buenas cotas inferiores y buen comportamiento

bajo un esquema Branch-and-Bound en instancias asimétricas. ¿Qué propiedades del modelo
influyen en estos resultados? ¿Puede explotarse esta situación para desarrollar un algoritmo
para instancias asimétricas?

Otras versiones del problema de ruteo consideran costos que no sólo dependen del costo
de traslado entre clientes y del orden en que son visitados, sino de otro tipo de función
costo(Time-dependent traveling salesman problem). Dependiendo de las caracterı́sticas de
dicha función, nuestro modelo podrı́a ser adaptado para modelar otra clase de problemas de
ruteo.

El Problema del Repartidor tiene importantes aplicaciones prácticas y ha sido muy poco
estudiado. Es nuestro deseo haber contribuido con resultados que signifiquen un avance en el
conocimiento del mismo y que abran nuevas lı́neas de investigación para futuros resultados.
92 Conclusiones

.
Apéndice A

Demostraciones de Definición de
Faceta

En este apéndice incluimos las demostraciones sobre la definición de facetas para cada
una de las desigualdades válidas que presentamos en el capı́tulo 4.

En las demostraciones hacemos referencia a los caminos P R que aparecen en las tablas
A.1, A.2 y A.3. Los multiplicadores asociados a estas soluciones son identificados como
λ4 ,λ5 y λ6 respectivamente. Los clientes vi1 y vi2 serán especificados en cada caso según
corresponda. Si la desigualdad involucra al cliente vl0 , asumir que el cliente vi1 que aparece
en las soluciones de la tabla es vl0 .

Proposición A.1 (Familia 2) Sean i0 , j0 , k0 , l0 ∈ {1, . . . , n} ı́ndices distintos. La desigual-

dad
fij00j0 + fij00l0 + fkl00 j0 ≤ xi0 j0 + fki00 j0
define una faceta de CR.

Demostración:
Vamos a suponer que i0 < j0 . Debemos encontrar multiplicadores aij i, j = 1, . . . , n i < j
(correspondientes a las ecuaciones 4.1), bij i, j = 1, . . . , n i 6= j (ecuaciones 4.2), cij i, j =
1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e (ecuación Familia 2) tales que:

αij = aij + bij + cij ∀i < j (i, j) 6= (i0 , j0 )

αji = aij + bji + cji ∀i < j

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 − e

γij = −cij ∀(i, j) 6= (i0 , j0 )

γi0 j0 = −ci0 j0 + e

93
94 Demostraciones de Definición de Faceta

δijk = −cik − bjk ∀(i, j, k) 6= (i0 , l0 , j0 ), (k0 , j0 , l0 ), (k0 , j0 , i0 )

δi0 l0 j0 = −ci0 j0 − bl0 j0 + e
δk0 j0 l0 = −ck0 l0 − bj0 l0 + e
δk0 j0 i0 = −ck0 i0 − bj0 i0 − e
βi = d − nr=1 r6=i bir
P

Definimos:
cij = −γij ∀(i, j) 6= (i0 , j0 )
bjk = −δijk + γik ∀(i, j, k) 6= (i0 , l0 , j0 ), (k0 , j0 , l0 ), (k0 , j0 , i0 ) y k 6= j0
e = δk0 j0 l0 − γk0 l0 + bj0 l0
bjj0 = −δi0 jj0 + γi0 j0 − e
ci0 j0 = −γi0 j0 + e
aij = αij − bij − cij ∀i < j, (i, j) 6= (i0 , j0 )
ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e
d = βi + nr=1 r6=i bir para algún i
P

Para que las definiciones verifiquen las condiciones enunciadas anteriormente y sean con-
sistentes, debemos probar que:

Caso 1: La definición de bjk no depende del i:

−δijk + γik = −δi′ jk + γi′ k

∀(i, j, k), (i′ , j, k) 6= (i0 , l0 , j0 ), (k0 , j0 , l0 ), (k0 , j0 , i0 ) y (i, k), (i′ , k) 6= (i0 , j0 )
Caso 2: La definición de bjj0 es consistente:

−δi0 jj0 + γi0 j0 − e = −δijj0 + γij0 ∀i 6= i0 , j0 j 6= i0 , j0 , l0

Caso 3: La definición de e es consistente:

e = −δk0 j0 i0 − ck0 i0 − bj0 i0 = δi0 l0 j0 + ci0 j0 + bl0 j0

Caso 4: La definición de d no depende de i. Para todo i 6= i′ se debe cumplir:

n
X n
X
βi + bir = βi′ + bi′ r
r=1 r6=i r=1 r6=i′
 95

Caso 5: La definción de aij es consistente:

aij = αji − bji − cji ∀i < j, (i, j) 6= (i0 , j0 )

Caso 6: La definción de ai0 j0 es consistente:

ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

Probamos cada ı́tem mostrando los caminos P R y el λ que nos permiten obtener la
igualdad buscada.
Demostración Caso 1: Vamos a considerar 5 posibilidades:

1. i, j, k ∈
/ {i0 , j0 , k0 , l0 }
Sean los siguientes caminos P R:
1: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vj vi′ vk 7: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj vi vi′ vk
2: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vi′ vj vk 8: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj vi′ vi vk
3: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vk vi vj vi′ 9: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi′ vj vi vk
4: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vk vi vi′ vj 10: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vk vj vi vi′
5: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vk vi′ vi vj 11: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vk vj vi′ vi
6: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi′ vi vj vk 12: v0 vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vk vi′ vj vi
donde {vj1 , . . . , vjn−8 } = V \ {v0 , vi0 , vj0 , vk0 , vl0 , vi , vi′ , vj , vk }.
Definamos λ = (− 12 , 12 , 21 , − 21 , 12 , − 21 , − 12 , 21 , 12 , 21 , − 12 , − 21 ).
2. Exactamente uno de los ı́ndices i, j, k, l pertenece a {i0 , j0 , k0 , l0 }.
Consideramos los multiplicadores λ y caminos P R del caso 1, modificando el
comienzo de los caminos según el caso:
• Si {i, j, k, l} ∩ {i0 } =
6 ∅, el comienzo del camino será v0 vj1 . . . vjn−8 vl0 vj0 vk0 .
• Si {i, j, k, l} ∩ {j0 } =6 ∅, el comienzo del camino será v0 vj1 . . . vjn−8 vi0 vl0 vk0 .
• Si {i, j, k, l} ∩ {k0 } = 6 ∅, el comienzo del camino será v0 vj1 . . . vjn−8 vj0 vi0 vl0 .
• Si {i, j, k, l} ∩ {l0 } = 6 ∅, excluı́mos a vl0 del comienzo del camino.
3. Exactamente dos de los ı́ndices i, j, k, l pertenecen a {i0 , j0 , k0 , l0 }.
Para las siguientes posibilidades consideramos los caminos y multiplicadores λ del
caso 1, tomando como comienzo del camino:
• i = i0 y {i′ , j, k} ∩ {k0 } = 6 ∅ → v0 vj1 . . . vjn−8 vj0 vl0
′
• i = i0 y {i , j, k} ∩ {l0 } =6 ∅ → v0 vj1 . . . vjn−8 vj0 vk0
′
• i = j0 y {i , j, k} ∩ {k0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vl0
• i = k0 y {j, k} ∩ {i0 } = 6 ∅ → v0 vj1 . . . vjn−8 vj0 vl0
• i = k0 y {j, k} ∩ {j0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vl0
′
• i = k0 y {i , j, k} ∩ {l0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vj0
96 Demostraciones de Definición de Faceta

• i = l0 y {j, k} ∩ {i0 } = 6 ∅ → v0 vj1 . . . vjn−8 vj0 vk0

• i = l0 y {j, k} ∩ {k0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vj0
• j = i0 y {k} ∩ {k0 , l0 } = 6 ∅ → v0 vj1 . . . vjn−8 vj0 vk0
• j = j0 y k = k0 → v0 vj1 . . . vjn−8 vi0 vl0
• j = k0 y k = i0 → v0 vj1 . . . vjn−8 vj0 vl0
• j = k0 y k = l0 → v0 vj1 . . . vjn−8 vi0 vj0
• j = l0 y k = i0 → v0 vj1 . . . vjn−8 vj0 vk0
• j = l0 y k = k0 → v0 vj1 . . . vjn−8 vi0 vj0
Para los casos que nos falta analizar definimos los multiplicadores λ6 que debemos
considerar:
• i = i0 y j = j0 (i1 = k, i2 = i′ )
λ6 [242] = − 12 , λ6 [362] = − 21 , λ6 [529] = 12 , λ6 [553] = 12 , λ6 [345] = 12 , λ6 [465] =
1
2
, λ6 [550] = − 12 , λ6 [574] = − 12
• i = i0 y i′ = j0 (i1 = j, i2 = k)
λ6 [17] = 1, λ6 [93] = −1, λ6 [541] = −1, λ6 [593] = 1, λ6 [605] = −1, λ6 [621] =
1, λ6 [201] = 1, λ6 [214] = −1
• i = j0 y j = i0 (i1 = k, i2 = i′ )
λ6 [2] = −1, λ6 [69] = 1, λ6 [481] = 1, λ6 [498] = −1, λ6 [577] = −1, λ6 [601] = 1,
λ6 [591] = 1, λ6 [655] = −1
• i = j0 y k = i0 (i1 = j, i2 = i′ )
λ6 [50] = −1, λ6 [59] = 1, λ6 [493] = 1, λ6 [496] = −1, λ6 [396] = 1, λ6 [430] =
−1, λ6 [562] = −1, λ6 [570] = 1
• i = j0 y j = l0 (i1 = k, i2 = i′ )
λ6 [245] = 1, λ6 [337] = −1, λ6 [410] = −1, λ6 [427] = 1, λ6 [445] = 1, λ6 [449] =
−1, λ6 [530] = −1, λ6 [547] = 1
• i = j0 y k = l0 (i1 = j, i2 = i′ )
λ6 [301] = 1, λ6 [305] = −1, λ6 [314] = −1, λ6 [331] = 1, λ6 [211] = −1,
λ6 [235] = 1, λ6 [401] = 1, λ6 [407] = −1
• i = j0 y i′ = l0 (i1 = j, i2 = k)
λ6 [13] = − 21 , λ6 [63] = 12 , λ6 [301] = 21 , λ6 [605] = 12 , λ6 [618] = − 21 , λ6 [665] =
− 21 , λ6 [277] = − 12 , λ6 [659] = 12
• i = l0 y j = j0 (i1 = k, i2 = i′ )
λ6 [601] = 1, λ6 [602] = −1, λ6 [122] = −1, λ6 [123] = 1, λ6 [310] = 1, λ6 [330] =
−1, λ6 [664] = −1, λ6 [672] = 1
• i = l0 y k = j0 (i1 = j, i2 = i′ )
λ6 [56] = −1, λ6 [60] = 1, λ6 [340] = −1, λ6 [495] = 1, λ6 [496] = −1, λ6 [548] =
1, λ6 [283] = 1, λ6 [539] = −1
• j = i0 y k = j0 (i1 = i, i2 = i′ )
λ6 [248] = −1, λ6 [252] = 1, λ6 [315] = 1, λ6 [316] = −1, λ6 [475] = −1,
λ6 [571] = 1, λ6 [407] = 1, λ6 [563] = −1
 97

• j = j0 y k = i0 (i1 = i, i2 = i′ )
λ6 [61] = 1, λ6 [67] = −1, λ6 [439] = −1, λ6 [463] = 1, λ6 [505] = 1, λ6 [625] =
−1, λ6 [514] = −1, λ6 [634] = 1
• j = j0 y k = l0 (i1 = i, i2 = i′ )
λ6 [126] = 1, λ6 [170] = −1, λ6 [506] = −1, λ6 [517] = 1, λ6 [309] = −1,
λ6 [345] = 1, λ6 [312] = 1, λ6 [358] = −1
• j = k0 y k = j0 (i1 = i, i2 = i′ )
λ6 [7] = 1, λ6 [10] = −1, λ6 [58] = −1, λ6 [66] = 1, λ6 [616] = 1, λ6 [618] = −1,
λ6 [141] = −1, λ6 [142] = 1
• j = l0 y k = j0 (i1 = i, i2 = i′ )
λ6 [55] = 1, λ6 [58] = −1, λ6 [335] = 1, λ6 [615] = −1, λ6 [616] = 1, λ6 [671] =
−1, λ6 [282] = −1, λ6 [660] = 1
4. Exactamente tres de los ı́ndices i, j, k, i′ pertenecen a {i0 , j0 , k0 , l0 }.
Para las siguientes posibilidades consideramos los caminos y λ del caso 1 tomando
como comienzo del camino:
• Si i = i0 y {i′ , j, k} ⊂ {j0 , k0 } = 6 ∅ → v0 vj1 . . . vjn−8 vj0
• Si i = l0 , {i′ , j, k} ⊂ {i0 , k0 } =
6 ∅ y i′ 6= i0 → v0 vj1 . . . vjn−8 vj0
• Si i = k0 , j = i0 y k = l0 → v0 vj1 . . . vjn−8 vj0
• Si i = k0 , j = l0 y k = i0 → v0 vj1 . . . vjn−8 vj0
Para los casos que nos falta analizar definimos los multiplicadores λ5 que nos
permite probar la igualdad deseada.
• i = i0 , j = j0 y k = k0 (i2 = i′ )
λ5 [67] = 1, λ5 [98] = −1, λ5 [28] = −1, λ5 [41] = 1, λ5 [104] = 1, λ5 [55] = 1,
λ5 [69] = −1, λ5 [58] = −1 .
• i = i0 , j = j0 y i′ = k0 (i2 = k)
λ5 [1] = −1, λ5 [7] = 1, λ5 [97] = 1, λ5 [99] = −1, λ5 [37] = −1, λ5 [107] = 1,
λ5 [33] = 1, λ5 [106] = −1 .
• i = i0 , j = k0 y i′ = j0 (i2 = k)
λ5 [51] = −1, λ5 [110] = 1, λ5 [25] = −1, λ5 [103] = 1, λ5 [31] = 1, λ5 [105] = −1,
λ5 [63] = 1, λ5 [114] = −1 .
• i = i0 , k = k0 y i′ = j0 (i2 = j)
λ5 [68] = 1, λ5 [101] = −1, λ5 [30] = −1, λ5 [44] = 1, λ5 [117] = 1, λ5 [56] = 1,
λ5 [59] = −1, λ5 [72] = −1 .
• i = i0 , j = j0 y k = l0 (i2 = i′ )
λ5 [2] = −1, λ5 [3] = 1, λ5 [91] = 1, λ5 [98] = −1, λ5 [35] = 1, λ5 [40] = −1,
λ5 [94] = −1, λ5 [108] = 1 .
• i = i0 , j = j0 y i′ = l0 (i2 = k)
λ5 [3] = −1, λ5 [13] = 1, λ5 [98] = 1, λ5 [101] = −1, λ5 [31] = −1, λ5 [105] = 1,
λ5 [39] = 1, λ5 [108] = −1 .
98 Demostraciones de Definición de Faceta

• i = i0 , j = l0 y i′ = j0 (i2 = k)
λ5 [49] = 1, λ5 [67] = −1, λ5 [85] = −1, λ5 [89] = 1, λ5 [31] = −1, λ5 [35] = 1,
λ5 [81] = 1, λ5 [82] = −1 .
• i = i0 , k = l0 y i′ = j0 (i2 = j)
λ5 [50] = 1, λ5 [61] = −1, λ5 [109] = −1, λ5 [113] = 1, λ5 [32] = −1, λ5 [45] = 1,
λ5 [33] = 1, λ5 [46] = −1 .
• i = j0 , j = i0 y k = k0 (i2 = i′ )
λ5 [16] = −1, λ5 [17] = 1, λ5 [27] = 1, λ5 [28] = −1, λ5 [41] = 1, λ5 [93] = −1,
λ5 [40] = −1, λ5 [90] = 1 .
• i = j0 , j = i0 y i′ = k0 (i2 = k)
λ5 [61] = 1, λ5 [71] = −1, λ5 [73] = −1, λ5 [115] = 1, λ5 [63] = −1, λ5 [81] = 1,
λ5 [72] = 1, λ5 [118] = −1 .
• i = j0 , k = i0 y i′ = k0 (i2 = j)
λ5 [13] = −1, λ5 [17] = 1, λ5 [51] = 1, λ5 [52] = −1, λ5 [64] = −1, λ5 [66] = 1,
λ5 [82] = 1, λ5 [94] = −1 .
• i = j0 , j = k0 y k = i0 (i2 = i′ )
λ5 [1] = 1, λ5 [5] = −1, λ5 [51] = 1, λ5 [110] = −1, λ5 [119] = 0, λ5 [31] = −1,
λ5 [45] = 1, λ5 [39] = −0, λ5 [64] = −1, λ5 [114] = 1 .
• i = j0 , j = i0 y k = l0 (i2 = i′ )
λ5 [5] = 1, λ5 [14] = −1, λ5 [50] = −1, λ5 [51] = 1, λ5 [97] = −1, λ5 [101] = 1,
λ5 [109] = 1, λ5 [110] = −1 .
• i = j0 , j = i0 y k = l0 (i2 = i′ )
λ5 [7] = −1, λ5 [15] = 1, λ5 [99] = 1, λ5 [102] = −1, λ5 [27] = −1, λ5 [37] = 1,
λ5 [104] = 1, λ5 [107] = −1 .
• i = j0 , k = i0 y i′ = l0 (i2 = j)
λ5 [51] = 1, λ5 [110] = −1, λ5 [31] = −1, λ5 [105] = 1, λ5 [34] = 1, λ5 [64] = −1,
λ5 [106] = −1, λ5 [114] = 1 .
• i = j0 , j = l0 y k = i0 (i2 = i′ )
λ5 [2] = −1, λ5 [3] = 1, λ5 [68] = −1, λ5 [101] = 1, λ5 [44] = −1, λ5 [35] = 1,
λ5 [40] = −1, λ5 [48] = 1, λ5 [72] = 1, λ5 [118] = −1 .
• i = j0 , j = k0 y k = l0 (i2 = i′ )
λ5 [5] = 1, λ5 [14] = −1, λ5 [50] = −1, λ5 [51] = 1, λ5 [97] = −1, λ5 [101] = 1,
λ5 [109] = 1, λ5 [110] = −1 .
• i = j0 , j = k0 y i′ = l0 (i2 = k)
λ5 [49] = −1, λ5 [61] = 1, λ5 [109] = 1, λ5 [113] = −1, λ5 [33] = −1, λ5 [39] = 1,
λ5 [106] = 1, λ5 [108] = −1 .
• i = j0 , k = k0 y i′ = l0 (i2 = j)
λ5 [67] = 1, λ5 [71] = −1, λ5 [98] = −1, λ5 [115] = 1, λ5 [41] = 1, λ5 [47] = −1,
λ5 [58] = −1, λ5 [60] = 1 .
• i = j0 , j = l0 y k = k0 (i2 = i′ )
 99

λ5 [6] = 1, λ5 [14] = −1, λ5 [50] = −1, λ5 [51] = 1, λ5 [98] = −1, λ5 [101] = 1,

λ5 [109] = 1, λ5 [110] = −1 .
• i = j0 , j = l0 y i′ = k0 (i2 = k)
λ5 [73] = −1, λ5 [85] = 1, λ5 [115] = 1, λ5 [119] = −1, λ5 [33] = 1, λ5 [39] = −1,
λ5 [106] = −1, λ5 [108] = 1 .
• i = j0 , k = l0 y i′ = k0 (i2 = j)
λ5 [91] = 1, λ5 [95] = −1, λ5 [97] = −1, λ5 [109] = 1, λ5 [35] = 1, λ5 [45] = −1,
λ5 [82] = −1, λ5 [84] = 1 .
• i = l0 , j = i0 y k = j0 (i2 = i′ )
λ5 [52] = −1, λ5 [65] = 1, λ5 [110] = 1, λ5 [113] = −1, λ5 [31] = 1, λ5 [45] = −1,
λ5 [34] = −1, λ5 [46] = 1 .
• i = l0 , j = j0 y k = i0 (i2 = i′ )
λ5 [13] = 1, λ5 [17] = −1, λ5 [25] = 1, λ5 [79] = −1, λ5 [93] = 1, λ5 [103] = −1,
λ5 [34] = −1, λ5 [106] = 1 .
• i = l0 , j = j0 y k = k0 (i2 = i′ )
λ5 [28] = −1, λ5 [104] = 1, λ5 [31] = 1, λ5 [105] = −1, λ5 [63] = 1, λ5 [81] = −1,
λ5 [66] = −1, λ5 [94] = 1 .
• i = l0 , j = j0 y i′ = k0 (i2 = k)
λ5 [3] = −1, λ5 [15] = 1, λ5 [49] = 1, λ5 [51] = −1, λ5 [67] = −1, λ5 [68] = 1,
λ5 [98] = 1, λ5 [102] = −1 .
• i = l0 , k = j0 y k = k0 (i2 = j)
λ5 [68] = 1, λ5 [102] = −1, λ5 [41] = 1, λ5 [93] = −1, λ5 [104] = 1, λ5 [69] = −1,
λ5 [40] = −1, λ5 [90] = 1 .
• i = l0 , j = k0 y k = j0 (i2 = i′ )
λ5 [4] = −1, λ5 [18] = 1, λ5 [49] = 1, λ5 [52] = −1, λ5 [67] = −1, λ5 [68] = 1,
λ5 [98] = 1, λ5 [102] = −1 .
• i = k0 , j = i0 y k = j0 (i2 = i′ )
λ5 [16] = −1, λ5 [18] = 1, λ5 [89] = 1, λ5 [95] = −1, λ5 [27] = 1, λ5 [28] = −1,
λ5 [40] = −1, λ5 [42] = 1 .
• i = k0 , j = l0 y k = j0 (i2 = i′ )
λ5 [52] = −1, λ5 [71] = 1, λ5 [89] = −1, λ5 [95] = 1, λ5 [102] = 1, λ5 [113] = −1,
λ5 [44] = −1, λ5 [31] = 1, λ5 [36] = −1, λ5 [40] = 1, λ5 [42] = −1, λ5 [46] = 1 .
Demostración Caso 2: Reemplazando e por su definición y utilizando el Caso 1, debe-
mos probar, ∀i 6= i0 , j0 y ∀j 6= i0 , j0 , l0 que
−δi0 jj0 + γi0 j0 − δk0 j0 l0 + γk0 l0 + δi0 j0 l0 − γi0 l0 = −δijj0 + γij0
Definimos el λ5 correspondiente a cada una de las alternativas posibles son:
1. i 6= l0 y j = k0 (i2 = i)
λ5 [4] = −1, λ5 [18] = 1, λ5 [49] = 1, λ5 [52] = −1, λ5 [98] = 1, λ5 [99] = −1,
λ5 [43] = 1, λ5 [44] = −1 .
100 Demostraciones de Definición de Faceta

2. i = k0 (i2 = j)
λ5 [3] = −1, λ5 [16] = 1, λ5 [18] = 1, λ5 [21] = −1, λ5 [49] = 1, λ5 [52] = −1,
λ5 [98] = 1, λ5 [102] = −1, λ5 [28] = −1, λ5 [29] = 1 .
3. i = l0 y j 6= k0 (i2 = j)
λ5 [18] = 1, λ5 [21] = −1, λ5 [109] = 1, λ5 [110] = −1, λ5 [28] = −1, λ5 [29] = 1 .
4. i = l0 y j = k0 (i2 libre)
λ5 [99] = −1, λ5 [102] = 1, λ5 [109] = 1, λ5 [110] = −1, λ5 [103] = 1, λ5 [104] = −1 .
5. i 6= l0 , k0 y j 6= k0
En este caso, consideramos las soluciones definidas por los siguientes caminos P R:
1: v0 vj1 . . . vjn−6 vi0 vj0 vl0 vi vj vk0 5: v0 vj1 . . . vjn−6 vk0 vj vi0 vj0 vl0 vi
2: v0 vj1 . . . vjn−6 vi0 vl0 vi vj vk0 vj0 6: v0 vj1 . . . vjn−6 vk0 vj vi0 vl0 vi vj0
3: v0 vj1 . . . vjn−6 vj0 vi vi0 vl0 vk0 vj 7: v0 vj1 . . . vjn−6 vi vi0 vj0 vl0 vk0 vj
4: v0 vj1 . . . vjn−6 vj0 vi vi0 vj vk0 vl0 8: v0 vj1 . . . vjn−6 vi vi0 vj vk0 vj0 vl0
donde {vj1 , . . . , vjn−6 } = V \ {v0 , vi0 , vj0 , vk0 , vl0 , vj , vi } y

λ = (−1, 1, −1, 1, 1, −1, 1, −1)

Demostración Caso 3: La primera igualdad que debemos demostrar es:

δk0 j0 l0 − γk0 l0 + γil0 − δij0 l0 = −δk0 j0 i0 + γk0 i0 − γii0 + δij0 i0

Por los casos anteriores, podemos asumir i 6= k0 , j0 , l0 , i0 . Asumimos i2 = i y defi-

nimos λ5 [7] = −1, λ5 [17] = 1, λ5 [67] = −1, λ5 [89] = 1, λ5 [91] = −1, λ5 [98] = 1,
λ5 [99] = 1, λ5 [102] = −1, λ5 [26] = 1, λ5 [27] = −1, λ5 [43] = −1, λ5 [44] = 1, λ5 [58] = 1,
λ5 [108] = −1 .

Utilizando el Caso 2, nos queda por demostrar, ∀i 6= i0 , j0

−δi0 l0 j0 + γi0 j0 = −δil0 j0 + γij0

Para esto, tomamos λ5 [13] = 1, λ5 [16] = −1, λ5 [89] = 1, λ5 [101] = −1, λ5 [44] = 1,
λ5 [48] = −1, λ5 [82] = −1, λ5 [118] = 1.

Demostración Caso 4: Debemos probar que

n
X n
X
βi + γki′ − δjik − δkir = βi′ + γki − δji′ k − δki′ r
r=1 r6=i,k r=1 r6=i′ ,k

Podemos asumir j, k 6= i0 , j0 , l0 , k0 .
Si i, i′ 6= i0 , j0 , l0 , k0 , consideramos los caminos P R
 101

1: v0 vi vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj ′ 5: v0 vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vj ′
2: v0 vk vi vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj ′ 6: v0 vk vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vj ′
3: v0 vk vj ′ vi vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 7: v0 vk vj ′ vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi
4: v0 vj ′ vi vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 8: v0 vj ′ vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi

con {vj1 , . . . , vjn−8 } = V \ {v0 , vi , vi′ , vj , vk , vi0 , vj0 , vk0 , vl0 }.

Definiendo λ = (1, −1, 1, −1, −1, 1, −1, 1) se obtiene la igualdad deseada.
Para lo siguientes casos sea {vj1 , . . . , vjn−7 } = V \ {vi , vi0 , vj , vk , vj0 , vk0 , vl0 }.

• Si i′ = i0 , en los caminos anteriores reemplazamos vi0 vj0 vk0 vl0 por vk0 vj0 vl0 .
• Si i′ = j0 , reemplazamos por vi0 vk0 vl0 .
• Si i′ = l0 , reemplazamos por vi0 vj0 vk0 .
• Si i′ = k0 , reemplazamos por vi0 vj0 vl0 .

En los tres casos con λ = (1, −1, 1, −1, −1, 1, −1, 1) obtenemos la igualdad deseada.

Demostración Caso 5: Hay tres alternativas:

1. i, j ∈
/ {i0 , j0 , k0 , l0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . jn−7 vi0 vj0 vk0 vl0 vk vj vi
2: v0 vj1 . . . jn−7 vi0 vj0 vk0 vl0 vk vi vj
con {vj1 , . . . , vjn−7 } = V \ {vi0 , vj0 , vk0 , vl0 , vk .vi , vj }. Definiendo λ = (1, −1) surge
la igualdad deseada.
2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 , l0 }
En los caminos P R anteriores suprimir el cliente correspondiente, y en el caso de
j0 invertir el orden de vk0 y vl0 . Considerar los mismos coeficientes λ.
3. Los dos ı́ndices i, j pertenecen a {i0 , j0 , k0 , l0 }
En los caminos P R anteriores suprimir los dos clientes vi , vj . En el caso que
i, j = {j0 , l0 }, considerar a vk como vi0 . En todos los casos usar los mismos
multiplicadores λ.

Demostración Caso 6: La definción de ai0 j0 es consistente:

ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

Sean las soluciones de CR definidas por los siguientes caminos P R:

1: v0 vj1 . . . jn−3 vk vj0 vi0

2: v0 vj1 . . . jn−3 vk vi0 vj0
102 Demostraciones de Definición de Faceta

con {vj1 , . . . , vjn−3 } = V \ {v0 , vi0 , vj0 vk }. Definiendo λ = (1, −1) surge la igualdad
deseada.

Proposición A.2 (Familia 3) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fkj00i0 + fij00k0 + fjk00k0 ≤ xi0 j0 + fji00k0

define una faceta de CR.

Demostración:

Veamos que la desigualdad determina una faceta. Debemos encontrar multiplicadores

aij i, j = 1, . . . , n i < j (correspondientes a las ecuaciones 4.1), bij i, j = 1, . . . , n i 6= j
(ecuaciones 4.2), cij i, j = 1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e (ecuación
Familia 3) tales que:

αij = aij + bij + cij ∀i < j, (i, j) 6= (i0 , j0 )

αji = aij + bji + cji ∀i < j

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 − e

γij = −cij ∀(i, j) 6= (j0 , k0 )

γj0 k0 = −cj0 k0 + e

δijk = −cik − bjk ∀(i, j, k) 6= (i0 , k0 , j0 ), (k0 , i0 , j0 ), (j0 , k0 , i0 )

δk0 i0 j0 = −ck0 j0 − bi0 j0 + e

δi0 k0 j0 = −ci0 j0 − bk0 j0 + e

δj0 k0 i0 = −cj0 i0 − bk0 i0 − e

βi = d − nj=1 j6=i bij

P

Definimos:

cij = −γij ∀(i, j) 6= (j0 , k0 )

bjk = γik − δijk ∀(i, j, k) 6= (i0 , k0 , j0 ), (k0 , i0 , j0 ), (j0 , k0 , i0 )

e = δi0 j0 k0 + bj0 k0 + ci0 k0

bjk0 = γj0 k0 − δj0 jk0 − e

 103

aij = αij − bij − cij ∀i < j (i, j) 6= (i0 , j0 )

ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e

cj0 k0 = −γj0 k0 + e

d = βi + nj=1i6=j bij (para cualquier i)

P

Para que las definiciones anteriores sean consistentes y correctas, debemos ver que:

Caso 1: La definición de bjk no depende del i:

γik − δijk − γi′ k + δi′ jk = 0

∀i, i′ , j, k tal que (i, j, k), (i′ , j, k) 6= (i0 , k0 , j0 ), (k0 , i0 , j0 ), (j0 , k0 , i0 ) y (i, k) 6= (j0 , k0 ).

Caso 2: La definición de bjk0 no depende del i:

γj0 k0 − δj0 jk0 − e − γik0 + δijk0 = 0

∀i, j, tal que i, j ∈

/ {j0 , k0 }.

Caso 3: La definición de e es consistente:

e = δk0 i0 j0 + bi0 j0 + ck0 j0 = δi0 k0 j0 + bk0 j0 + ci0 j0 = −δj0 k0 i0 − bk0 i0 − cj0 i0

Caso 4: La definición de aij es consistente:

aij = αji − bji − cji ∀i < j, (i, j) 6= (i0 , j0 )

Caso 5: La definición de ai0 j0 es consistente:

ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

Caso 6: La definición de d no depende del i:

n
X n
X
βi + γki′ − δkir − δjik = βi′ − γki + δki′ r + δji′ k ∀i, i′
r=1r6=i,k r=1r6=i′ ,k

Mostramos los caminos P R y el λ que permiten probar cada uno de los requisitos ante-
riores.

Demostración Caso 1: Hay 4 posibilidades:

104 Demostraciones de Definición de Faceta

1. i′ , i, j, k ∈
/ {i0 , j0 , k0 }
Sean los siguientes caminos P R:
1: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vi vj vi′ vk 7: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vj vi vi′ vk
2: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vi vi′ vj vk 8: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vj vi′ vi vk
3: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vk vi vj vi′ 9: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vi′ vj vi vk
4: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vk vi vi′ vj 10: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vk vj vi vi′
5: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vk vi′ vi vj 11: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vk vj vi′ vi
6: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vi′ vi vj vk 12: v0 vk0 vj0 vi0 vj1 . . . vjn−7 vk vi′ vj vi
donde {vj1 , . . . , vjn−7 } = V \ {vi , vi′ , vj , vk , vi0 , j0 , k0 }.
Definimos λ = (− 12 , 21 , 21 , − 12 , 21 , − 12 , − 21 , 12 , 21 , 21 , − 12 , − 12 ).
2. Exactamente uno de los ı́ndices i′ , i, j, k pertenece a {i0 , j0 , k0 }.
Consideramos los mismos caminos P R y λ que en el ı́tem anterior, excluyendo
del comienzo de los caminos el cliente vi0 , vj0 ó vk0 según sea el caso.
3. Exactamente dos de los ı́ndices i′ , i, j, k pertenecen a {i0 , j0 , k0 }.
a) Dos de los ı́ndices i, j, k, i′ son i0 y k0 .
Nuevamente tomamos los caminos P R y λ anteriores, excluyendo del comien-
zo de los caminos los clientes vi0 y vk0 .
b) Dos de los ı́ndices i, j, k, i′ son j0 y k0 .
Se presentan 5 casos:
• i = j0 , j = k0 (i1 = k, i2 = i′ )
λ5 [17] = 1, λ5 [19] = −1, λ5 [52] = −1, λ5 [53] = 1, λ5 [28] = −1, λ5 [29] = 1,
λ5 [55] = 1, λ5 [56] = −1 .
• i = j0 , i′ = k0 (i1 = j, i2 = k)
λ5 [1] = 1, λ5 [19] = −1, λ5 [49] = −1, λ5 [53] = 1, λ5 [73] = −1, λ5 [77] = 1,
λ5 [85] = 1, λ5 [86] = −1 .
• i = k0 , j = j0 (i1 = k, i2 = i′ )
λ5 [29] = 1, λ5 [80] = −1, λ5 [32] = −1, λ5 [105] = 1, λ5 [111] = −1, λ5 [81] =
1, λ5 [94] = −1, λ5 [96] = 1 .
• i = k0 , k = j0 (i1 = j, i2 = i′ )
λ5 [2] = −1, λ5 [12] = 1, λ5 [73] = 1, λ5 [76] = −1, λ5 [91] = −1, λ5 [92] = 1,
λ5 [97] = 1, λ5 [100] = −1 .
• j = j0 , k = k0 (i1 = i, i2 = i′ )
λ5 [30] = 1, λ5 [80] = −1, λ5 [32] = −1, λ5 [69] = −1, λ5 [105] = 1, λ5 [81] =
1, λ5 [72] = 1, λ5 [118] = −1 .
• j = k0 , k = j0 (i1 = i, i2 = i′ )
λ5 [52] = −1, λ5 [110] = 1, λ5 [55] = 1, λ5 [111] = −1, λ5 [39] = 1, λ5 [87] =
−1, λ5 [42] = −1, λ5 [96] = 1 .
 105

c) Dos de los ı́ndices i, j, k, i′ son i0 y j0 .

Se presentan 5 casos:
• i = i0 , j = j0 (i1 = k, i2 = i′ )
λ5 [53] = 1, λ5 [86] = −1, λ5 [95] = 1, λ5 [109] = −1, λ5 [56] = −1, λ5 [111] =
1, λ5 [87] = 1, λ5 [96] = −1 .
• i = i0 , k = j0 (i1 = j, i2 = i′ )
λ5 [13] = −1, λ5 [23] = 1, λ5 [86] = −1, λ5 [119] = 1, λ5 [27] = 1, λ5 [30] =
−1, λ5 [81] = 1, λ5 [118] = −1 .
• i = i0 , i′ = j0 (i1 = j, i2 = k)
λ5 [7] = 1, λ5 [9] = −1, λ5 [99] = −1, λ5 [100] = 1, λ5 [55] = −1, λ5 [111] = 1,
λ5 [63] = 1, λ5 [114] = −1 .
• j = i0 , i = j0 (i1 = k, i2 = i′ )
λ5 [8] = −1, λ5 [9] = 1, λ5 [99] = 1, λ5 [100] = −1, λ5 [59] = 1, λ5 [111] = −1,
λ5 [64] = −1, λ5 [114] = 1 .
• k = i0 , i = j0 (i1 = j, i2 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [95] = −1, λ5 [109] = 1, λ5 [60] = 1, λ5 [88] =
−1, λ5 [96] = 1, λ5 [112] = −1 .
• j = i0 , k = j0 (i1 = i, i2 = i′ )
λ5 [2] = −1, λ5 [12] = 1, λ5 [73] = 1, λ5 [76] = −1, λ5 [97] = 1, λ5 [115] = −1,
λ5 [43] = −1, λ5 [47] = 1 .
• k = i0 , j = j0 (i1 = i, i2 = i′ )
λ5 [2] = −1, λ5 [12] = 1, λ5 [73] = 1, λ5 [76] = −1, λ5 [97] = 1, λ5 [115] = −1,
λ5 [43] = −1, λ5 [47] = 1 .
4. Tres de los ı́ndices i, j, k, i′ pertenecen a {i0 , j0 , k0 }.
• i = i0 , j = j0 , k = k0 (i1 = i′ )
λ4 [1] = −0,5, λ4 [3] = − 51 , λ4 [5] = 1, λ4 [13] = 15 , λ4 [14] = −1, λ4 [19] = − 15 ,
λ4 [20] = 51 , λ4 [23] = 51 , λ4 [7] = 15 , λ4 [8] = −1, λ4 [21] = 51 , λ4 [9] = 51 ,
λ4 [15] = 51 , λ4 [22] = − 15 , λ4 [24] = − 51 .
• i = i0 , j = j0 , i′ = k0 (i1 = k)
λ4 [1] = − 15 , λ4 [3] = 51 , λ4 [13] = − 15 , λ4 [19] = 51 , λ4 [20] = − 51 , λ4 [23] = 15 ,
λ4 [7] = − 51 , λ4 [21] = 51 , λ4 [9] = 51 , λ4 [15] = 51 , λ4 [22] = − 15 , λ4 [24] = − 15 .
• i = i0 , k = j0 , i′ = k0 (i1 = j)
λ4 [1] = − 51 , λ4 [3] = − 15 , λ4 [4] = 1, λ4 [13] = 15 , λ4 [14] = −1, λ4 [19] = 15 ,
λ4 [20] = − 51 , λ4 [23] = 15 , λ4 [7] = − 51 , λ4 [21] = 15 , λ4 [9] = 15 , λ4 [15] = 15 ,
λ4 [22] = − 51 , λ4 [24] = − 15 .
• i = i0 , j = k0 , i′ = j0 (i1 = k)
λ4 [1] = 15 , λ4 [3] = − 51 , λ4 [13] = − 15 , λ4 [19] = − 51 , λ4 [20] = 51 , λ4 [23] = 15 ,
λ4 [7] = − 51 , λ4 [21] = 51 , λ4 [9] = 51 , λ4 [15] = 51 , λ4 [22] = − 15 , λ4 [24] = − 15 .
• i = j0 , j = i0 , i′ = k0 (i1 = k)
λ4 [1] = − 51 , λ4 [3] = 51 , λ4 [13] = 15 , λ4 [19] = 15 , λ4 [20] = − 51 , λ4 [23] = − 51 ,
106 Demostraciones de Definición de Faceta

λ4 [7] = − 51 , λ4 [21] = 51 , λ4 [9] = 51 , λ4 [15] = − 15 , λ4 [22] = − 51 , λ4 [24] = 15 .

• i = j0 , k = i0 , i′ = k0 (i1 = j)
λ4 [1] = − 51 , λ4 [3] = 51 , λ4 [13] = 15 , λ4 [19] = 15 , λ4 [20] = − 51 , λ4 [23] = − 51 ,
λ4 [7] = − 15 , λ4 [21] = 15 , λ4 [9] = − 51 , λ4 [15] = 15 , λ4 [10] = 1, λ4 [16] = −1,
λ4 [22] = − 15 , λ4 [24] = 15
• i = j0 , j = k0 , i′ = i0 (i1 = k)
λ4 [1] = − 51 , λ4 [3] = 51 , λ4 [13] = 15 , λ4 [19] = 15 , λ4 [20] = − 51 , λ4 [23] = − 51 ,
λ4 [7] = 15 , λ4 [21] = − 51 , λ4 [9] = − 15 , λ4 [15] = − 51 , λ4 [22] = 51 , λ4 [24] = 15 .
• i = k0 , j = i0 , i′ = j0 (i1 = k)
λ4 [1] = 51 , λ4 [3] = − 51 , λ4 [13] = − 15 , λ4 [19] = − 51 , λ4 [20] = 51 , λ4 [23] = 15 ,
λ4 [7] = 15 , λ4 [21] = − 51 , λ4 [9] = − 15 , λ4 [15] = 51 , λ4 [22] = 51 , λ4 [24] = − 15 .
• i = k0 , k = i0 , i′ = j0 (i1 = j)
λ4 [1] = 15 , λ4 [3] = − 51 , λ4 [13] = − 15 , λ4 [19] = − 51 , λ4 [20] = 51 , λ4 [23] = 15 ,
λ4 [7] = 51 , λ4 [21] = − 15 , λ4 [9] = 15 , λ4 [15] = − 15 , λ4 [10] = −1, λ4 [16] = 1,
λ4 [22] = 15 , λ4 [24] = − 15 .
• i = k0 , j = j0 , k = i0 (i1 = i′ )
λ4 [1] = 51 , λ4 [3] = 15 , λ4 [4] = −1, λ4 [13] = − 51 , λ4 [19] = − 51 , λ4 [20] = 15 ,
λ4 [23] = 15 , λ4 [7] = 51 , λ4 [21] = − 15 , λ4 [9] = 15 , λ4 [15] = − 15 , λ4 [10] = −1,
λ4 [18] = 1, λ4 [22] = 51 , λ4 [24] = − 15 .
• i = k0 , j = j0 , i′ = i0 (i1 = k)
λ4 [1] = 15 , λ4 [3] = − 51 , λ4 [13] = 15 , λ4 [19] = − 51 , λ4 [20] = 15 , λ4 [23] = − 51 ,
λ4 [7] = 15 , λ4 [21] = − 51 , λ4 [9] = − 15 , λ4 [15] = − 51 , λ4 [22] = 51 , λ4 [24] = 15 .
• i = k0 , k = j0 , i′ = i0 (i1 = j)
λ4 [1] = 15 , λ4 [3] = 51 , λ4 [4] = −1, λ4 [13] = − 15 , λ4 [14] = 1, λ4 [19] = − 15 ,
λ4 [20] = 15 , λ4 [23] = − 51 , λ4 [7] = 51 , λ4 [21] = − 15 , λ4 [9] = − 51 , λ4 [15] = − 15 ,
λ4 [22] = 15 , λ4 [24] = 51 .

Demostración Caso 2: Tenemos que probar que

−δj0 jk0 − δk0 i0 j0 − γij0 − γik0 + γj0 k0 + γk0 j0 + δii0 j0 + δijk0 = 0 ∀i 6= i0 , j0 , k0 j 6= j0 , k0

Si j 6= i0 (i1 = i, i2 = j), sean λ5 [12] = −1, λ5 [17] = 1, λ5 [26] = 1, λ5 [32] = 1, λ5 [35] =

−1, λ5 [47] = −1, λ5 [52] = −1, λ5 [56] = −1, λ5 [59] = 1, λ5 [69] = 1, λ5 [104] = −1,
λ5 [116] = 1.
Si j = i0 (i1 = i), sean λ5 [45] = 1, λ5 [46] = −1, λ5 [100] = −1, λ5 [101] = 1, λ5 [103] = 1,
λ5 [104] = −1, λ5 [110] = −1, λ5 [114] = 1, λ5 [116] = 1, λ5 [117] = −1.

Demostración Caso 3:
Para probar que

e = δk0 i0 j0 + bi0 j0 + ck0 j0 = δi0 k0 j0 + bk0 j0 + ci0 j0

 107

Consideramos λ4 [11] = 1, λ4 [12] = −1, λ4 [20] = −1, λ4 [23] = 1 (i1 = i).

Para el caso
e = δk0 i0 j0 + bi0 j0 + ck0 j0 = −δj0 k0 i0 − bk0 i0 − cj0 i0
sean λ4 [4] = 1, λ4 [5] = 1, λ4 [7] = 1, λ4 [8] = 1, λ4 [9] = 1, λ4 [10] = 1, λ4 [11] = 1,
λ4 [12] = −1, λ4 [14] = 1, λ4 [18] = −1, λ4 [20] = −1, λ4 [22] = 1 (i1 = i).
Demostración Caso 4:
Hay tres alternativas:
1. i, j ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . jn−6 vj0 vi0 vk0 vk vj vi
2: v0 vj1 . . . jn−6 vj0 vi0 vk0 vk vi vj
con {vj1 , . . . , vjn−6 } = V \ {v0 , vi0 , vj0 , vk0 , vk .vi , vj }. Definiendo λ = (1, −1) surge
la igualdad deseada.
2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 }
En los caminos P R anteriores suprimir el cliente correspondiente y considerar los
mismos coeficientes λ.
3. Los dos ı́ndices i, j pertenecen a {i0 , j0 , k0 }
En los caminos P R anteriores suprimir los dos clientes vi , vj . En el caso que
i, j = {j0 , k0 }, considerar a vk como vi0 . En todos los casos usar los mismos
multiplicadores λ.
Demostración Caso 5: La definción de ai0 j0 es consistente:
ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

Sean λ4 [4] = 1, λ4 [5] = −1, λ4 [7] = −1, λ4 [8] = 1, λ4 [9] = −1, λ4 [10] = 1, λ4 [11] = 1,
λ4 [12] = −1, λ4 [14] = 1, λ4 [18] = −1, λ4 [20] = −1, λ4 [22] = 1 (i1 = i).
Demostración Caso 6: Debemos probar que
n
X n
X
βi + γki′ − δjik − δkir = βi′ + γki − δji′ k − δki′ r
r=1 r6=i,k r=1 r6=i′ ,k

Podemos asumir j, k 6= i0 , j0 , k0 .
Si i, i′ 6= i0 , j0 , k0 , consideramos los caminos P R

1: v0 vi vi′ vk vj1 . . . vjn−7 vj0 vi0 vk0 vj 5: v0 vi′ vk vj1 . . . vjn−7 vj0 vi0 vk0 vi vj
2: v0 vk vi vi′ vj1 . . . vjn−7 vj0 vi0 vk0 vj 6: v0 vk vi′ vj1 . . . vjn−7 vj0 vi0 vk0 vi vj
3: v0 vk vj vi vi′ vj1 . . . vjn−7 vj0 vi0 vk0 7: v0 vk vj vi′ vj1 . . . vjn−7 vj0 vi0 vk0 vi
4: v0 vj vi vi′ vk vj1 . . . vjn−7 vj0 vi0 vk0 8: v0 vj vi′ vk vj1 . . . vjn−7 vj0 vi0 vk0 vi
108 Demostraciones de Definición de Faceta

con {vj1 , . . . , vjn−7 } = V \ {v0 , vi , vi′ , vj , vk , vi0 , vj0 , vk0 }.

Definimos λ = (1, −1, 1, −1, −1, 1, −1, 1) para probar la igualdad deseada.
Para los casos en que i, i′ ∈ {i0 , j0 , k0 } basta considerar los mismos caminos y multi-
plicadores sacando de la terna vj0 vi0 vk0 del camino, el cliente correspondiente.

Proposición A.3 (Familia 4) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fik00j0 + fkj00i0 + fij00k0 ≤ xi0 j0

define una faceta de CR.

Demostración:

Veamos que la desigualdad determina una faceta. Debemos encontrar multiplicadores

aij i, j = 1, . . . , n i < j (correspondientes a las ecuaciones 4.1), bij i, j = 1, . . . , n i 6= j
(ecuaciones 4.2), cij i, j = 1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e (ecuación
Familia4) tales que:

αij = aij + bij + cij ∀i < j (i, j) 6= (i0 , j0 )

αji = aij + bji + cji ∀i < j

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 − e

γij = −cij (∀(i, j) 6= (i0 , j0 ))

δijk = −cik − bjk ∀(i, j, k) 6= (i0 , j0 , k0 ), (k0 , i0 , j0 ), (i0 , k0 , j0 )

δi0 j0 k0 = −ci0 k0 − bj0 k0 + e

δk0 i0 j0 = −ck0 j0 − bi0 j0 + e

δk0 j0 i0 = −ci0 j0 − bk0 j0 + e

βi = d − nj=1 j6=i bij

P

Definimos:

cij = −γij ∀(i, j)

bjk = γik − δijk ∀(i, j, k) 6= (i0 , j0 , k0 ), (k0 , i0 , j0 ), (i0 , k0 , j0 )

aij = αij − bij − cij ∀i < j (i, j) 6= (i0 , j0 )

 109

ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e

e = δi0 j0 k0 + bj0 k0 + ci0 k0
d = βi + nj=1i6=j bij (para cualquier i)
P

Para que las definiciones anteriores sean consistentes y correctas, debemos ver que:

Caso 1: La definición de bjk no depende del i:

γik − δijk − γi′ k + δi′ jk = 0

∀i, i′ , j, k tal que (i, j, k) 6= (i0 , j0 , k0 ), (k0 , i0 , j0 ), (i0 , k0 , j0 )

Caso 2: La definición de e es consistente:

e = δk0 i0 j0 + bi0 j0 + ck0 j0 = δi0 k0 j0 + bk0 j0 + ci0 j0

Caso 3: La definición de aij es consistente:

aij = αji − bji − cji

Caso 4: La definición de ai0 j0 es consistente:

ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

.
Caso 5: Para ver que la definición de d no depende del i, debemos probar ∀i′ que
n
X n
X
βi + γki′ − δkir − δjik = βi′ − γki + δki′ r + δji′ k
r=1r6=i,k r=1r6=i′ ,k

Mostramos los caminos P R y el λ que permite probar cada uno de los requisitos ante-
riores.

Demostración Caso 1: Hay 4 posibilidades:

1. i′ , i, j, k ∈
/ {i0 , j0 , k0 }
Sean los siguientes caminos P R:
1: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vi vj vi′ vk 7: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vj vi vi′ vk
2: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vi vi′ vj vk 8: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vj vi′ vi vk
3: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vk vi vj vi′ 9: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vi′ vj vi vk
4: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vk vi vi′ vj 10: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vk vj vi vi′
5: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vk vi′ vi vj 11: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vk vj vi′ vi
6: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vi′ vi vj vk 12: v0 vj0 vi0 vk0 vj1 . . . vjn−7 vk vi′ vj vi
110 Demostraciones de Definición de Faceta

donde {vj1 , . . . , vjn−7 } = V \ {v0 , vi , vi′ , vj , vk , vi0 , vj0 , k0 }.

Definimos λ = (− 12 , 21 , 21 , − 12 , 21 , − 12 , − 21 , 12 , 21 , 21 , − 12 , − 12 ).
2. Exactamente uno de los ı́ndices i, j, k, i′ pertenece a {i0 , j0 , k0 }
Consideramos los mismos caminos P R y λ que en el caso 1, excluyendo del co-
mienzo de los caminos el cliente vi0 ó vj0 ó vk0 según sea el caso.
3. Exactamente dos de los ı́ndices i, j, k, i′ pertenecen a {i0 , j0 , k0 }.
• Dos de los ı́ndices i′ , i, j, k son i0 y k0 .
Nuevamente tomamos los caminos P R y λ del caso 1, excluyendo del comienzo
de los caminos los clientes vi0 y vk0 .
• Dos de los ı́ndices i′ , i, j, k son j0 y k0 . Se presentan 14 casos:
a) i = j0 y j = k0 (i1 = k, i2 = i′ )
λ5 [5] = 1, λ5 [8] = −1, λ5 [74] = −1, λ5 [75] = 1, λ5 [97] = −1, λ5 [99] = 1,
λ5 [115] = 1, λ5 [116] = −1
b) i = j0 y i′ = k0 (i1 = j, i2 = k)
λ5 [1] = 1, λ5 [7] = −1, λ5 [73] = −1, λ5 [75] = 1, λ5 [91] = 1, λ5 [92] = −1,
λ5 [97] = −1, λ5 [99] = 1
c) i = j0 y k = k0 (i1 = j, i2 = i′ )
λ5 [6] = 1, λ5 [8] = −1, λ5 [74] = −1, λ5 [75] = 1, λ5 [98] = −1, λ5 [99] = 1,
λ5 [115] = 1, λ5 [116] = −1
d ) j = j0 y k = k0 (i1 = i, i2 = i′ )
λ5 [28] = −1, λ5 [44] = 1, λ5 [83] = −1, λ5 [93] = 1, λ5 [55] = 1, λ5 [59] = −1,
λ5 [64] = 1, λ5 [66] = −1
e) i = k0 y j = j0 (i1 = k, i2 = i′ )
λ5 [29] = 1, λ5 [38] = −1, λ5 [93] = −1, λ5 [107] = 1, λ5 [56] = −1, λ5 [57] =
1, λ5 [96] = 1, λ5 [112] = −1
f ) i = k0 y k = j0 (i1 = j, i2 = i′ )
λ5 [76] = −1, λ5 [116] = 1, λ5 [79] = 1, λ5 [117] = −1, λ5 [33] = 1, λ5 [63] =
−1, λ5 [36] = −1, λ5 [72] = 1
g) j = k0 y k = j0 (i1 = i, i2 = i′ )
λ5 [52] = −1, λ5 [110] = 1, λ5 [55] = 1, λ5 [111] = −1, λ5 [39] = 1, λ5 [87] =
−1, λ5 [42] = −1, λ5 [96] = 1
h) i = i0 y j = j0 (i1 = k, i2 = i′ )
λ5 [2] = −1, λ5 [3] = 1, λ5 [91] = 1, λ5 [98] = −1, λ5 [35] = 1, λ5 [40] = −1,
λ5 [94] = −1, λ5 [108] = 1
i ) i = i0 y k = j0 (i1 = j, i2 = i′ )
λ5 [54] = 1, λ5 [86] = −1, λ5 [110] = −1, λ5 [119] = 1, λ5 [56] = −1,
λ5 [111] = 1, λ5 [87] = 1, λ5 [120] = −1
j ) i = i0 y i′ = j0 (i1 = j, i2 = k)
λ5 [49] = 1, λ5 [85] = −1, λ5 [95] = 1, λ5 [109] = −1, λ5 [55] = −1, λ5 [111] =
1, λ5 [87] = 1, λ5 [96] = −1
 111

k ) j = i0 y k = j0 (i1 = i, i2 = i′ )
λ5 [1] = 1, λ5 [10] = −1, λ5 [73] = −1, λ5 [91] = 1, λ5 [97] = −1, λ5 [100] = 1,
λ5 [37] = 1, λ5 [41] = −1
l ) i = j0 y j = i0 (i1 = k, i2 = i′ )
λ5 [53] = 1, λ5 [86] = −1, λ5 [32] = −1, λ5 [35] = 1, λ5 [69] = −1, λ5 [39] = 1,
λ5 [40] = −1, λ5 [90] = 1
m) i = j0 y k = i0 (i1 = j, i2 = j ′ )
λ5 [53] = 1, λ5 [86] = −1, λ5 [32] = −1, λ5 [81] = 1, λ5 [36] = 1, λ5 [70] = −1,
λ5 [82] = −1, λ5 [90] = 1
n) j = j0 y k = i0 (i1 = i, i2 = i′ )
λ5 [10] = −1, λ5 [12] = 1, λ5 [25] = 1, λ5 [26] = −1, λ5 [34] = −1, λ5 [36] = 1,
λ5 [66] = 1, λ5 [72] = −1
4. Exactamente tres de los ı́ndices i′ , i, j, k pertenece a {i0 , j0 , k0 }.
Se presentan 10 casos.
a) i = i0 , j = j0 y i′ = k0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = − 12 , λ4 [19] = 21 , λ4 [20] = − 21 , λ4 [23] = 12 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 12
b) i = i0 , j = k0 y i′ = j0 (i1 = k)
λ4 [1] = 21 , λ4 [3] = − 21 , λ4 [13] = − 12 , λ4 [19] = − 21 , λ4 [20] = 21 , λ4 [23] = 12 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 12
c) i = j0 , j = i0 y k = k0 (i1 = i′ )
λ4 [1] = 21 , λ4 [2] = −1, λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 12 ,
λ4 [23] = − 21 , λ4 [7] = − 12 , λ4 [11] = 1, λ4 [21] = − 12 , λ4 [9] = − 21 , λ4 [15] = 21 ,
λ4 [16] = −1, λ4 [22] = 21 , λ4 [24] = 21
d ) i = j0 , j = i0 y i′ = k0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 21 , λ4 [23] = − 21 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = − 12 , λ4 [22] = − 21 , λ4 [24] = 12
e) i = j0 , j = k0 y k = i0 (i1 = i′ )
λ4 [1] = 21 , λ4 [2] = −1, λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 12 ,
λ4 [23] = − 21 , λ4 [7] = − 12 , λ4 [21] = 21 , λ4 [9] = − 12 , λ4 [15] = 21 , λ4 [12] = 1,
λ4 [16] = −1, λ4 [22] = − 21 , λ4 [24] = 12
f ) i = j0 , j = k0 y i′ = i0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 21 , λ4 [23] = − 21 ,
λ4 [7] = 12 , λ4 [21] = − 21 , λ4 [9] = − 12 , λ4 [15] = − 21 , λ4 [22] = 21 , λ4 [24] = 12
g) i = k0 , j = j0 y k = i0 (i1 = i′ )
λ4 [1] = 21 , λ4 [3] = 12 , λ4 [4] = −1, λ4 [13] = − 21 , λ4 [19] = − 21 , λ4 [20] = 12 ,
λ4 [23] = 12 , λ4 [7] = 21 , λ4 [21] = − 12 , λ4 [9] = 12 , λ4 [15] = − 12 , λ4 [10] = −1,
λ4 [18] = 1, λ4 [22] = 21 , λ4 [24] = − 12
h) i = i0 , k = j0 y i′ = k0 (i1 = j)
λ4 [1] = − 21 , λ4 [3] = − 12 , λ4 [4] = 1, λ4 [13] = 12 , λ4 [14] = −1, λ4 [19] = 12 ,
112 Demostraciones de Definición de Faceta

λ4 [20] = − 21 , λ4 [23] = 12 , λ4 [7] = − 21 , λ4 [21] = 12 , λ4 [9] = 12 , λ4 [15] = 1

2
,
λ4 [22] = − 21 , λ4 [24] = − 12
i ) i = i0 , k = k0 y i′ = j0 (i1 = j)
λ4 [1] = − 21 , λ4 [2] = 1, λ4 [3] = − 12 , λ4 [13] = − 12 , λ4 [19] = − 12 , λ4 [20] = 1
2
,
λ4 [23] = 21 , λ4 [7] = 21 , λ4 [8] = −1, λ4 [21] = 12 , λ4 [9] = 12 , λ4 [15] = 1
2
,
λ4 [22] = − 21 , λ4 [24] = − 12
j ) i = k0 , k = i0 y i′ = j0 (i1 = j)
λ4 [1] = 21 , λ4 [3] = − 21 , λ4 [13] = − 12 , λ4 [19] = − 21 , λ4 [20] = 21 , λ4 [23] = 1
2
,
λ4 [7] = 21 , λ4 [21] = − 12 , λ4 [9] = 12 , λ4 [15] = − 12 , λ4 [10] = −1, λ4 [16] = 1,
λ4 [22] = 12 , λ4 [24] = − 12
Demostración Caso 2: Para probar

δi0 j0 k0 − δij0 k0 + γik0 − γi0 k0 = δki0 j0 − δii0 j0 + γij0 − γk0 j0

definimos λ4 [2] = 1, λ4 [4] = −1, λ4 [13] = −1, λ4 [20] = 1, λ4 [7] = 1, λ4 [11] = −1,
λ4 [21] = −1, λ4 [9] = 1, λ4 [15] = −1, λ4 [10] = −1, λ4 [16] = 1, λ4 [18] = 1 (i1 = i).
Para probar

δki0 j0 − δii0 j0 + γij0 − γk0 j0 = δi0 k0 j0 − δik0 j0 + γij0 − γi0 j0

definimos λ4 [2] = 1, λ4 [4] = −1, λ4 [13] = −1, λ4 [23] = 1, λ4 [7] = 1, λ4 [21] = −1,
λ4 [9] = 1, λ4 [12] = −1, λ4 [15] = −1, λ4 [10] = −1, λ4 [16] = 1, λ4 [18] = 1 (i1 = i).

Demostración Caso 3: Utilizando las definiciones correspondientes, debemos ver que

αji + δkji + γji + γkj = αij + δkij + γij + γki

Podemos suponer k 6= i0 , j0 , k0 . Se presentan 3 posibilidades:

1. i, j ∈
/ {i0 , j0 , k0 }
Sean los siguientes caminos P R:
• 1: v0 vj1 . . . vjn−6 vi0 vj0 vk0 vk vi vj
• 2: v0 vj1 . . . vjn−6 vi0 vj0 vk0 vk vj vi
donde {vj1 , . . . , vjn−6 } = V \ {v0 , vi , vj , vk , vi0 , vj0 , vk0 } y λ = (1, −1).
2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 }. Consideramos los ca-
minos P R y los multiplicadores λ anteriores, suprimiendo del comienzo del camino
el cliente correspondiente.
3. i, j ∈ {i0 , j0 , k0 }. Hay 2 posibilidades:
• i, j ∈ {i0 , k0 }
Nuevamente, tomamos los caminos P R y el λ anteriores, suprimiendo del
comienzo del camino los clientes vi0 y vk0 .
 113

• i, j ∈ {j0 , k0 }
Definimos λ4 [2] = 1, λ4 [4] = −1, λ4 [13] = 1, λ4 [19] = 1, λ4 [20] = 1, λ4 [23] =
−1, λ4 [7] = −1, λ4 [21] = −1, λ4 [9] = −1, λ4 [15] = 1, λ4 [10] = 1, λ4 [12] = 1,
λ4 [16] = −1, λ4 [18] = −1 (i1 = k).

Demostración Caso 4: Reemplazando e por su definición, tenemos que probar que

αi0 j0 + δii0 j0 + δi0 k0 j0 − δik0 j0 = αj0 i0 + δij0 i0 − γii0 + γj0 i0

Definimos λ4 [1] = − 12 , λ4 [3] = − 12 , λ4 [4] = 1, λ4 [13] = 21 , λ4 [19] = 21 , λ4 [20] = 12 ,

λ4 [23] = − 12 , λ4 [7] = − 12 , λ4 [11] = −1, λ4 [21] = 21 , λ4 [9] = − 12 , λ4 [15] = 21 , λ4 [10] = 1,
λ4 [12] = 1, λ4 [18] = −1, λ4 [22] = − 12 , λ4 [24] = − 12 (i1 = i).
Demostración Caso 5: Consideramos k, j 6= i0 , j0 , k0 .
Sean los siguientes caminos P R:
• i, i′ 6= i0 , j0 , k0
1: 0 vi vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vj 5: 0 vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vi vj
2: 0 vk vi vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vj 6: 0 vk vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vi vj
3: 0 vk vj vi vi′ vi0 vj0 vk0 vj1 . . . vjn−7 7: 0 vk vj vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vi
4: 0 vj vi vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 8: 0 vj vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vi
donde {vj1 , . . . , vjn−7 } = V \ {v0 , vi , vi′ , vj , vk , vi0 , vj0 , vk0 }.
Definiendo λ = (1, −1, 1, −1, −1, 1, −1, 1) obtenemos la igualdad buscada.
• i = k0
Consideremos las soluciones definidas por:
1: v0 vk0 vi′ vk vj0 vi0 vj1 . . . vjn−6 vj 5: v0 vi′ vk vj0 vi0 vj1 . . . vjn−6 vk0 vj
2: v0 vk vk0 vi′ vj0 vi0 vj1 . . . vjn−6 vj 6: v0 vk vi′ vj0 vi0 vj1 . . . vjn−6 vk0 vj
3: v0 vk vj vk0 vi′ vj0 vi0 vj1 . . . vjn−6 7: v0 vk vj vi′ vj0 vi0 vj1 . . . vjn−6 vk0
4: v0 vj vk0 vi′ vk vj0 vi0 vj1 . . . vjn−6 8: v0 vj vi′ vk vj0 vi0 vj1 . . . vjn−6 vk0
donde {j1 , . . . , vjn−6 } = V \ {v0 , vi′ , vj , vk , vi0 , vj0 , vk0 }.
Definimos λ = (1, −1, 1, −1, −1, 1, −1, 1).
• i′ = j0
Sean los caminos P R definidos por:
1: v0 vi vj0 vk vi0 vj1 . . . vjn−6 vk0 vj 5: v0 vj0 vk vi0 vj1 . . . vjn−6 vk0 vi vj
2: v0 vk vi vj0 vi0 vj1 . . . vjn−6 vk0 vj 6: v0 vk vj0 vi0 vj1 . . . vjn−6 vk0 vi vj
3: v0 vk vj vi vj0 vi0 vj1 . . . vjn−6 vk0 7: v0 vk vj vj0 vi0 vj1 . . . vjn−6 vk0 vi
4: v0 vj vi vj0 vk vi0 vj1 . . . vjn−6 vk0 8: v0 vj vj0 vk vi0 vj1 . . . vjn−6 vk0 vi
donde {vj1 , . . . , vjn−6 } = V \ {v0 , vi , vj , vk , vi0 , vj0 , vk0 }.
Definiendo λ = (1, −1, 1, −1, −1, 1, −1, 1) obtenemos la igualdad buscada.
114 Demostraciones de Definición de Faceta

• i = i0 . Podemos asumir que i′ = j0

Sean los siguientes caminos P R:
1: v0 vi0 vj0 vk vk0 vj1 . . . jn−5 vj 5: v0 vj0 vk vk0 vj1 . . . jn−5 vi0 vj
2: v0 vk vi0 vj0 vk0 vj1 . . . jn−5 vj 6: v0 vk vj0 vk0 vj1 . . . jn−5 vi0 vj
3: v0 vk vj vi0 vj0 vk0 vj1 . . . jn−5 7: v0 vk vj vj0 vk0 vj1 . . . jn−5 vi0
4: v0 vj vi0 vj0 vk vk0 vj1 . . . jn−5 8: v0 vj vj0 vk vk0 vj1 . . . jn−5 vi0
donde {vj1 , . . . , vjn−7 } = V \ {v0 , vj , vk , vi0 , vj0 , vk0 }.
Definiendo λ = (1, −1, 1, −1, −1, 1, −1, 1) obtenemos la igualdad buscada.

Proposición A.4 (Familia 5) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fij00j0 + fij00l0 + fkj00l0 ≤ xi0 j0 + fki00 l0

define una faceta de CR.

Demostración:
Demostración:
Vamos a suponer que i0 < j0 . Debemos encontrar multiplicadores aij i, j = 1, . . . , n i < j
(correspondientes a las ecuaciones 4.1), bij i, j = 1, . . . , n i 6= j (ecuaciones 4.2), cij i, j =
1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e (ecuación Familia5) tales que:

αij = aij + bij + cij ∀i < j (i, j) 6= (i0 , j0 )

αji = aij + bji + cji ∀i < j

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 − e

γij = −cij ∀(i, j) 6= (i0 , j0 )

γi0 j0 = −ci0 j0 + e

δijk = −cik − bjk ∀(i, j, k) 6= (i0 , l0 , j0 ), (k0 , l0 , j0 ), (k0 , l0 , i0 )

δi0 l0 j0 = −ci0 j0 − bl0 j0 + e

δk0 l0 j0 = −ck0 j0 − bl0 j0 + e

δk0 l0 i0 = −ck0 i0 − bl0 i0 − e

βi = d − nr=1 r6=i bir

P

Definimos:
 115

cij = −γij ∀(i, j) 6= (i0 , j0 )

e = δk0 l0 i0 − ck0 i0 − bl0 i0
bjk = −δijk + γik para algún i y ∀(i, j, k) 6= (i0 , l0 , j0 ), (k0 , l0 , j0 ), (k0 , l0 , i0 ), (i, k) 6=
(i0 , j0 )
bjj0 = −δi0 jj0 + γi0 j0 − e
ci0 j0 = −γi0 j0 + e
aij = αij − bij − cij ∀i < j, (i, j) 6= (i0 , j0 )
ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e
d = βi + nr=1 r6=i bir (para cualquier i)
P

Para que las definiciones verifiquen las condiciones enunciadas anteriormente y sean con-
sistentes, debemos probar que:

Caso 1: La definición de bjk no depende del i:

−δijk + γik = −δi′ jk + γi′ k

∀(i, j, k), (i′ , j, k) 6= (i0 , l0 , j0 ), (k0 , l0 , j0 ), (k0 , l0 , i0 ) y (i, k), (i′ , k) 6= (i0 , j0 )
Caso 2: La definición de bjj0 es consistente:

−δi0 jj0 + γi0 j0 − e = −δijj0 + γij0 ∀i 6= i0 , j0 j 6= i0 , j0 , l0

Caso 3: La definición de bl0 j0 es consistente:

−δil0 j0 + γij0 = −δi0 l0 j0 + γi0 j0 ∀i 6= i0 , j0 , k0 , l0

−δil0 j0 + γij0 = −δk0 l0 j0 + γk0 j0 + e ∀i 6= i0 , j0 , k0 , l0

Caso 4: La definción de aij es consistente:

aij = αji − bji − cji ∀i < j, (i, j) 6= (i0 , j0 )

Caso 5: La definición de ai0 j0 es consistente:

ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

Caso 6: La definición de d no depende de i. Para todo i 6= i′ se debe cumplir:

n
X n
X
βi + bir = βi′ + bi′ r
r=1 r6=i r=1 r6=i′
116 Demostraciones de Definición de Faceta

Probamos cada ı́tem mostrando los caminos de P R y el λ que nos permiten obtener la
igualdad buscada.

Demostración Caso 1: Vamos a considerar 5 posibilidades:

1. i, j, k, i′ ∈
/ {i0 , j0 , k0 , l0 }
Sean los siguientes caminos P R:
1: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi vj vi′ vk 7: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vj vi vi′ vk
2: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi vi′ vj vk 8: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vj vi′ vi vk
3: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi vj vi′ 9: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi′ vj vi vk
4: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi vi′ vj 10: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vj vi vi′
5: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi′ vi vj 11: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vj vi′ vi
6: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi′ vi vj vk 12: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi′ vj vi
donde {vj1 , . . . , vjn−8 } = V \ {v0 , vi0 , vj0 , vk0 , vl0 , vi , vi′ , vj , vk }.
Definamos λ = (− 12 , 12 , 21 , − 21 , 12 , − 21 , − 12 , 21 , 12 , 21 , − 12 , − 21 ).
2. Exactamente uno de los ı́ndices i, j, k, l pertenece a {i0 , j0 , k0 , l0 }.
Consideramos los multiplicadores λ y caminos P R del caso 1, modificando el
comienzo de los caminos según el caso:
• Si {i, j, k, l} ∩ {i0 } =
6 ∅, el comienzo del camino será v0 vj1 . . . vjn−8 vk0 vl0 vj0 .
• Si {i, j, k, l} ∩ {j0 } =6 ∅, el comienzo del camino será v0 vj1 . . . vjn−8 vi0 vl0 vk0 .
• Si {i, j, k, l} ∩ {k0 } = 6 ∅, el comienzo del camino será v0 vj1 . . . vjn−8 vi0 vj0 vl0 .
• Si {i, j, k, l} ∩ {l0 } = 6 ∅, excluı́mos a vl0 del comienzo del camino.
3. Exactamente dos de los ı́ndices i, j, k, l pertenecen a {i0 , j0 , k0 , l0 }.
Para las siguientes posibilidades consideramos los caminos y λ del caso 1, tomando
como comienzo del camino:
• i = i0 y {i′ , j, k} ∩ {k0 } = 6 ∅ → v0 vj1 . . . vjn−8 vj0 vl0
′
• i = i0 y {i , j, k} ∩ {l0 } = 6 ∅ → v0 vj1 . . . vjn−8 vk0 vj0
′
• i = j0 y {i , j, k} ∩ {k0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vl0
• i = k0 y {j, k} ∩ {i0 } = 6 ∅ → v0 vj1 . . . vjn−8 vj0 vl0
• i = k0 y {j, k} ∩ {j0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vl0
′
• i = k0 y {i , j, k} ∩ {l0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vj0
• i = l0 y {j, k} ∩ {i0 } =6 ∅ → v0 vj1 . . . vjn−8 vk0 vj0
• i = l0 y {j, k} ∩ {k0 } = 6 ∅ → v0 vj1 . . . vjn−8 vi0 vj0
• j = i0 y k = k0 → v0 vj1 . . . vjn−8 vj0 vl0
• j = i0 y k = l0 → v0 vj1 . . . vjn−8 vk0 vj0
• j = j0 y k = k0 → v0 vj1 . . . vjn−8 vi0 vl0
• j = k0 y k = i0 → v0 vj1 . . . vjn−8 vj0 vl0
 117

• j = k0 y k = j0 → v0 vj1 . . . vjn−8 vi0 vl0

• j = k0 y k = l0 → v0 vj1 . . . vjn−8 vi0 vj0
• j = l0 y k = i0 → v0 vj1 . . . vjn−8 vk0 vj0
• j = l0 y k = k0 → v0 vj1 . . . vjn−8 vi0 vj0
Para los casos que nos falta analizar exponemos los multiplicadores λ que debemos
considerar:
• i = i0 , j = j0 (i1 = k, i2 = i′ )
λ6 [242] = −0,5, λ6 [362] = −0,5, λ6 [529] = 0,5, λ6 [553] = 0,5, λ6 [345] = 0,5,
λ6 [465] = 0,5, λ6 [550] = −0,5, λ6 [574] = −0,5.
• i = i0 , i′ = j0 (i1 = j, i2 = k)
λ6 [495] = −1, λ6 [498] = 1, λ6 [136] = −1, λ6 [630] = 1, λ6 [567] = 1, λ6 [210] =
1, λ6 [576] = −1, λ6 [648] = −1.
• i = j0 , j = i0 (i1 = k, i2 = i′ )
λ6 [248] = −1, λ6 [531] = 1, λ6 [590] = −1, λ6 [651] = 1, λ6 [299] = 1, λ6 [663] =
−1, λ6 [544] = −1, λ6 [594] = 1.
• i = j0 , k = i0 (i1 = j, i2 = i′ )
λ6 [32] = −1, λ6 [33] = 1, λ6 [105] = 1, λ6 [106] = −1, λ6 [300] = 1, λ6 [304] =
−1, λ6 [664] = −1, λ6 [666] = 1.
• i = j0 , j = l0 (i1 = k, i2 = i′ )
λ6 [251] = 1, λ6 [316] = −1, λ6 [599] = −1, λ6 [689] = 1, λ6 [146] = −1,
λ6 [157] = 1, λ6 [588] = 1, λ6 [640] = −1.
• i = j0 , k = l0 (i1 = j, i2 = i′ )
λ6 [433] = 1, λ6 [449] = −1, λ6 [458] = 1, λ6 [475] = −1, λ6 [482] = −1,
λ6 [547] = 1, λ6 [605] = −1, λ6 [697] = 1.
• i = j0 , i′ = l0 (i1 = j, i2 = k)
λ6 [13] = −0,5, λ6 [63] = 0,5, λ6 [301] = 0,5, λ6 [605] = 0,5, λ6 [618] = −0,5,
λ6 [665] = −0,5, λ6 [277] = −0,5, λ6 [659] = 0,5.
• i = l0 , j = j0 (i1 = k, i2 = i′ )
λ6 [242] = −1, λ6 [251] = 1, λ6 [337] = 1, λ6 [339] = −1, λ6 [529] = 1, λ6 [532] =
−1, λ6 [547] = −1, λ6 [548] = 1.
• i = l0 , k = j0 (i1 = j, i2 = i′ )
λ6 [12] = −1, λ6 [71] = 1, λ6 [529] = 1, λ6 [532] = −1, λ6 [547] = −1, λ6 [548] =
1, λ6 [604] = 1, λ6 [617] = −1.
• j = i0 , k = j0 (i1 = i, i2 = i′ )
λ6 [242] = −1, λ6 [252] = 1, λ6 [529] = 1, λ6 [532] = −1, λ6 [603] = 1, λ6 [698] =
−1, λ6 [219] = −1, λ6 [236] = 1.
• j = j0 , k = i0 (i1 = i, i2 = i′ )
λ6 [65] = −1, λ6 [71] = 1, λ6 [453] = 1, λ6 [477] = −1, λ6 [145] = 1, λ6 [146] =
−1, λ6 [274] = −1, λ6 [276] = 1.
118 Demostraciones de Definición de Faceta

• j = j0 , k = l0 (i1 = i, i2 = i′ )
λ6 [148] = −1, λ6 [632] = 1, λ6 [175] = 1, λ6 [639] = −1, λ6 [441] = 1, λ6 [519] =
−1, λ6 [454] = −1, λ6 [588] = 1.
• j = l0 , k = j0 (i1 = i, i2 = i′ )
λ6 [60] = 1, λ6 [64] = −1, λ6 [128] = −1, λ6 [129] = 1, λ6 [234] = −1, λ6 [240] =
1, λ6 [696] = 1, λ6 [720] = −1.
4. Exactamente tres de los ı́ndices i, j, k, l pertenecen a {i0 , j0 , k0 , l0 }.
Para las siguientes posibilidades consideramos los caminos y λ del caso 1 poniendo
en el comienzo del camino a vj0 :

1: i = i0 , j = k0 y k = l0 5: i = i0 , j = l0 y i′ = k0
9: i = k0 , k = i0 y i′ = l0
2: i = i0 , j = k0 y i′ = l0 6: i = i0 , k = l0 y i′ = k0
10: i = l0 , j = i0 y k = k0
3: i = i0 , k = k0 y i′ = l0 7: i = k0 , j = i0 y k = l0
11: i = l0 , j = k0 y k = i0
4: i = i0 , j = l0 y k = k0 8: i = k0 , j = i0 y i′ = l0
Para los casos que nos falta analizar definimos el λ que nos permite probar la
igualdad deseada.
• i = i0 , j = j0 y k = k0 (i2 = i′ )
λ5 [3] = 1, λ5 [4] = −1, λ5 [16] = −1, λ5 [17] = 1, λ5 [89] = 1, λ5 [91] = −1,
λ5 [41] = 1, λ5 [40] = −1.
• i = i0 , j = j0 y i′ = k0 (i2 = k)
λ5 [13] = −1, λ5 [15] = 1, λ5 [85] = −1, λ5 [101] = 1, λ5 [102] = −1, λ5 [119] = 1,
λ5 [81] = 1, λ5 [118] = −1.
• i = i0 , j = j0 y k = l0 (i2 = i′ )
λ5 [91] = 1, λ5 [97] = −1, λ5 [26] = −1, λ5 [79] = 1, λ5 [93] = −1, λ5 [103] = 1,
λ5 [35] = 1, λ5 [82] = −1.
• i = i0 , j = j0 y i′ = l0 (i2 = k)
λ5 [3] = −1, λ5 [13] = 1, λ5 [98] = 1, λ5 [101] = −1, λ5 [31] = −1, λ5 [105] = 1,
λ5 [39] = 1, λ5 [108] = −1.
• i = i0 , j = k0 y i′ = j0 (i2 = k)
λ5 [73] = 1, λ5 [85] = −1, λ5 [115] = −1, λ5 [119] = 1, λ5 [37] = −1, λ5 [107] = 1,
λ5 [39] = 1, λ5 [108] = −1.
• i = i0 , k = k0 y i′ = j0 (i2 = j)
λ5 [9] = −1, λ5 [10] = 1, λ5 [14] = 1, λ5 [17] = −1, λ5 [80] = −1, λ5 [93] = 1,
λ5 [63] = 1, λ5 [66] = −1.
• i = i0 , j = l0 y i′ = j0 (i2 = k)
λ5 [49] = 1, λ5 [85] = −1, λ5 [95] = 1, λ5 [109] = −1, λ5 [55] = −1, λ5 [111] = 1,
λ5 [87] = 1, λ5 [96] = −1.
• i = i0 , k = l0 y i′ = j0 (i2 = j)
λ5 [50] = 1, λ5 [67] = −1, λ5 [85] = −1, λ5 [89] = 1, λ5 [32] = −1, λ5 [35] = 1,
λ5 [81] = 1, λ5 [82] = −1.
 119

• i = j0 , j = i0 y k = k0 (i2 = i′ )
λ5 [10] = −1, λ5 [17] = 1, λ5 [68] = −1, λ5 [100] = 1, λ5 [25] = 1, λ5 [28] = −1,
λ5 [103] = −1, λ5 [69] = 1.
• i = j0 , j = i0 y i′ = k0 (i2 = k)
λ5 [9] = 1, λ5 [13] = −1, λ5 [100] = −1, λ5 [101] = 1, λ5 [25] = −1, λ5 [103] = 1,
λ5 [31] = 1, λ5 [105] = −1.
• i = j0 , k = i0 y i′ = k0 (i2 = j)
λ5 [3] = −1, λ5 [4] = 1, λ5 [15] = 1, λ5 [18] = −1, λ5 [40] = 1, λ5 [42] = −1,
λ5 [88] = −1, λ5 [96] = 1.
• i = j0 , j = i0 y k = l0 (i2 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [95] = −1, λ5 [109] = 1, λ5 [59] = 1, λ5 [111] = −1,
λ5 [88] = −1, λ5 [96] = 1.
• i = j0 , j = i0 y i′ = l0 (i2 = k)
λ5 [49] = −1, λ5 [85] = 1, λ5 [95] = −1, λ5 [109] = 1, λ5 [57] = 1, λ5 [87] = −1,
λ5 [96] = 1, λ5 [112] = −1.
• i = j0 , k = i0 y i′ = l0 (i2 = j)
λ5 [49] = −1, λ5 [85] = 1, λ5 [109] = 1, λ5 [119] = −1, λ5 [58] = 1, λ5 [88] = −1,
λ5 [112] = −1, λ5 [120] = 1.
• i = j0 , j = k0 y k = l0 (i2 = i′ )
λ5 [5] = 1, λ5 [14] = −1, λ5 [50] = −1, λ5 [51] = 1, λ5 [97] = −1, λ5 [101] = 1,
λ5 [109] = 1, λ5 [110] = −1.
• i = j0 , j = k0 y i′ = l0 (i2 = k)
λ5 [49] = −1, λ5 [67] = 1, λ5 [85] = 1, λ5 [89] = −1, λ5 [35] = −1, λ5 [105] = 1,
λ5 [40] = 1, λ5 [108] = −1.
• i = j0 , k = k0 y i′ = l0 (i2 = j)
λ5 [68] = −1, λ5 [101] = 1, λ5 [83] = −1, λ5 [93] = 1, λ5 [104] = −1, λ5 [69] = 1,
λ5 [64] = 1, λ5 [66] = −1.
• i = j0 , j = k0 y k = i0 (i2 = i′ )
λ5 [1] = 1, λ5 [5] = −1, λ5 [51] = 1, λ5 [110] = −1, λ5 [31] = −1, λ5 [45] = 1,
λ5 [64] = −1, λ5 [114] = 1.
• i = j0 , j = l0 y k = i0 (i2 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [109] = 1, λ5 [119] = −1, λ5 [60] = 1, λ5 [88] = −1,
λ5 [112] = −1, λ5 [120] = 1.
• i = j0 , j = l0 y k = k0 (i2 = i′ )
λ5 [6] = 1, λ5 [14] = −1, λ5 [50] = −1, λ5 [51] = 1, λ5 [98] = −1, λ5 [101] = 1,
λ5 [109] = 1, λ5 [110] = −1.
• i = j0 , j = l0 y i′ = k0 (i2 = k)
λ5 [1] = 1, λ5 [13] = −1, λ5 [49] = −1, λ5 [51] = 1, λ5 [97] = −1, λ5 [101] = 1,
λ5 [109] = 1, λ5 [110] = −1.
• i = j0 , k = l0 y i′ = k0 (i2 = j)
120 Demostraciones de Definición de Faceta

λ5 [67] = 1, λ5 [71] = −1, λ5 [97] = −1, λ5 [115] = 1, λ5 [47] = −1, λ5 [83] = 1,

λ5 [36] = 1, λ5 [82] = −1.
• i = k0 , j = i0 y k = j0 (i2 = i′ )
λ5 [13] = 1, λ5 [16] = −1, λ5 [89] = 1, λ5 [101] = −1, λ5 [102] = 1, λ5 [119] = −1,
λ5 [82] = −1, λ5 [118] = 1.
• i = k0 , j = j0 y k = l0 (i2 = i′ )
λ5 [29] = 1, λ5 [80] = −1, λ5 [32] = −1, λ5 [105] = 1, λ5 [111] = −1, λ5 [81] = 1,
λ5 [94] = −1, λ5 [96] = 1.
• i = k0 , j = j0 y i′ = l0 (i2 = k)
λ5 [27] = 1, λ5 [44] = −1, λ5 [83] = 1, λ5 [117] = −1, λ5 [55] = −1, λ5 [59] = 1,
λ5 [88] = −1, λ5 [120] = 1.
• i = k0 , k = j0 y i′ = l0 (i2 = j)
λ5 [89] = −1, λ5 [95] = 1, λ5 [102] = 1, λ5 [110] = −1, λ5 [44] = −1, λ5 [45] = 1,
λ5 [40] = 1, λ5 [42] = −1.
• i = k0 , j = j0 y k = i0 (i2 = i′ )
λ5 [13] = 1, λ5 [16] = −1, λ5 [101] = −1, λ5 [102] = 1, λ5 [82] = −1, λ5 [90] = 1,
λ5 [118] = 1, λ5 [120] = −1.
• i = l0 , j = i0 y k = j0 (i2 = i′ )
λ5 [1] = 1, λ5 [10] = −1, λ5 [73] = −1, λ5 [91] = 1, λ5 [97] = −1, λ5 [100] = 1,
λ5 [37] = 1, λ5 [41] = −1.
• i = l0 , j = j0 y k = k0 (i2 = i′ )
λ5 [30] = 1, λ5 [80] = −1, λ5 [32] = −1, λ5 [69] = −1, λ5 [105] = 1, λ5 [81] = 1,
λ5 [72] = 1, λ5 [118] = −1.
• i = l0 , j = j0 y k = i0 (i2 = i′ )
λ5 [13] = 1, λ5 [16] = −1, λ5 [67] = −1, λ5 [89] = 1, λ5 [91] = −1, λ5 [98] = 1,
λ5 [70] = 1, λ5 [82] = −1, λ5 [94] = 1, λ5 [108] = −1.
• i = l0 , j = k0 y k = j0 (i2 = i′ )
λ5 [52] = −1, λ5 [110] = 1, λ5 [55] = 1, λ5 [111] = −1, λ5 [39] = 1, λ5 [87] = −1,
λ5 [42] = −1, λ5 [96] = 1.
Demostración Caso 2: Debemos probar la consistencia en la definición de bjj0 . Es decir,
−δi0 jj0 + γi0 j0 − e = −δijj0 + γij0 ∀i 6= i0 , j0 j 6= i0 , j0 , l0 (i, j, j0 ) 6= (i0 , l0 , j0 )
Reemplazando la definición de e, hay que probar que
−δijj0 − γi0 j0 − δk0 l0 i0 − γii0 + δil0 i0 + γij0 + δi0 jj0 + γk0 i0 = 0

Definimos los valores de λ para los diferentes casos:

• j∈/ {i0 , j0 , k0 , l0 } y i ∈
/ {l0 , k0 } (i1 = i, i2 = j)
λ6 [16] = −1, λ6 [18] = 1, λ6 [250] = −1, λ6 [502] = 1, λ6 [532] = 1, λ6 [590] = −1,
λ6 [652] = 1, λ6 [665] = −1, λ6 [198] = −1, λ6 [210] = 1, λ6 [306] = 1, λ6 [546] = −1.
 121

• j∈/ {i0 , j0 , k0 , l0 } y i = l0 (i1 = j)

λ6 [20] = −1, λ6 [21] = 1, λ6 [502] = 1, λ6 [593] = −1, λ6 [671] = 1, λ6 [689] = −1,
λ6 [198] = −1, λ6 [210] = 1, λ6 [576] = −1, λ6 [600] = 1.
• j∈/ {i0 , j0 , k0 , l0 } y i = k0 (i1 = j)
λ6 [51] = −1, λ6 [118] = 1, λ6 [449] = −1, λ6 [615] = 1, λ6 [129] = 1, λ6 [144] = −1,
λ6 [220] = −1, λ6 [240] = 1, λ6 [400] = 1, λ6 [688] = −1, λ6 [696] = 1, λ6 [714] = −1.
• j = k0 y i ∈ / {i0 , j0 , k0 , l0 } (i1 = i)
λ6 [1] = 1, λ6 [6] = −1, λ6 [9] = 1, λ6 [13] = −1, λ6 [52] = 1, λ6 [95] = −1, λ6 [25] =
−1, λ6 [27] = 1, λ6 [31] = −1, λ6 [40] = −1, λ6 [42] = 1, λ6 [48] = 1, λ6 [64] = −1,
λ6 [82] = 1.
• j = k0 y i = l0
λ6 [1] = 1, λ6 [6] = −1, λ6 [9] = 1, λ6 [13] = −1, λ6 [68] = 1, λ6 [89] = −1, λ6 [25] =
−1, λ6 [27] = 1, λ6 [35] = −1, λ6 [48] = 1, λ6 [64] = −1, λ6 [82] = 1.
Demostración Caso 3: Para la consistencia de la definición de bl0 j0 tenemos dos casos:
• −δil0 j0 + γij0 = −δi0 l0 j0 + γi0 j0 ∀i 6= i0 , j0 , k0 , l0
λ5 [13] = −1, λ5 [16] = 1, λ5 [89] = −1, λ5 [101] = 1, λ5 [44] = −1, λ5 [48] = 1,
λ5 [82] = 1, λ5 [118] = −1 (i2 = i).
• −δil0 j0 + γij0 = −δk0 l0 j0 + γk0 j0 + e ∀i 6= i0 , j0 , k0 , l0
λ5 [1] = −1, λ5 [6] = 1, λ5 [51] = −1, λ5 [101] = 1, λ5 [102] = −1, λ5 [119] = 1,
λ5 [31] = 1, λ5 [48] = −1, λ5 [64] = 1, λ5 [118] = −1 (i2 = i).
Demostración Caso 4: Hay tres alternativas:
1. i, j ∈
/ {i0 , j0 , k0 , l0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . jn−7 vi0 vj0 vl0 vk0 vk vj vi
2: v0 vj1 . . . jn−7 vi0 vj0 vl0 vk0 vk vi vj
con {vj1 , . . . , vjn−7 } = V \ {v0 , vi0 , vj0 , vk0 , vl0 , vk .vi , vj }. Definiendo λ = (1, −1)
surge la igualdad deseada.
2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 , l0 }
En los caminos P R anteriores suprimir el cliente correspondiente y considerar los
mismos coeficientes λ.
3. Los dos ı́ndices i, j pertenecen a {i0 , j0 , k0 , l0 }
En los caminos P R anteriores suprimir los dos clientes vi , vj . En el caso que
{i, j} = {j0 , l0 }, considerar a vk como vi0 . En todos los casos usar los mismos
multiplicadores λ.
Demostración Caso 5: La definción de ai0 j0 es consistente:
ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0
122 Demostraciones de Definición de Faceta

Sean los siguientes caminos P R:

1: v0 vj1 . . . jn−5 vl0 vk0 vk vj0 vi0
2: v0 vj1 . . . jn−5 vl0 vk0 vk vi0 vj0
con {vj1 , . . . , vjn−5 } = V \ {v0 , vi0 , vj0 , vk , vl0 , vk0 }. Definiendo λ = (1, −1) surge la
igualdad deseada.
Demostración Caso 6: Debemos probar que
n
X n
X
βi + γki′ − δjik − δkir = βi′ + γki − δji′ k − δki′ r
r=1 r6=i,k r=1 r6=i′ ,k

Podemos asumir j, k 6= i0 , j0 , l0 , k0 .
Si i, i′ 6= i0 , j0 , l0 , k0 , consideramos los caminos P R

1: v0 vi vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj ′ 5: v0 vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vj ′
2: v0 vk vi vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj ′ 6: v0 vk vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vj ′
3: v0 vk vj ′ vi vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 7: v0 vk vj ′ vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi
4: v0 vj ′ vi vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 8: v0 vj ′ vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi
con {vj1 , . . . , vjn−8 } = V \ {vi , vi′ , vj , vk , vi0 , vj0 , vk0 , vl0 }.
Definiendo λ = (1, −1, 1, −1, −1, 1, −1, 1) se obtiene la igualdad deseada.

• Si i′ = i0 , en los caminos anteriores reemplazamos vi0 vj0 vk0 vl0 por vk0 vl0 vj0 .
• Si i′ = j0 , reemplazamos por vi0 vl0 vk0 .
• Si i′ = l0 , reemplazamos por vi0 vj0 vk0 .
• Si i′ = k0 , reemplazamos por vi0 vj0 vl0 .

En los tres casos con λ = (1, −1, 1, −1, −1, 1, −1, 1) obtenemos la igualdad deseada.
✷

Proposición A.5 (Familia 6) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

f0ii00 + fij00j0 ≤ xi0 j0 + fik00j0

define una faceta de CR.

Demostración:
Vamos a suponer que i0 < j0 . Debemos encontrar multiplicadores aij vi , j = 1, . . . , n i < j
(correspondientes a las ecuaciones 4.1), bij vi , j = 1, . . . , n i 6= j (ecuaciones 4.2), cij vi , j =
1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e (ecuación Familia6) tales que:
 123

αij = aij + bij + cij ∀i < j (i, j) 6= (i0 , j0 )

αji = aij + bji + cji ∀i < j
αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 − e
γij = −cij ∀(i, j) 6= (i0 , j0 )
γi0 j0 = −ci0 j0 + e
δijk = −cik − bjk ∀(i, j, k) 6= (i0 , j0 , k0 )
δi0 j0 k0 = −ci0 k0 − bj0 k0 − e
βi = d − nr=1 r6=i bir ∀i 6= i0
P

βi0 = d − nr=1 r6=i0 bi0 r + e

P

Definimos:
cij = −γij para todo (i, j) 6= (i0 , j0 )
bjk = −δijk + γik para cualquier i si (i, k) 6= (i0 , j0 )
e = −δi0 j0 k0 + δij0 k0 − γik0 + γi0 k0 para cualquier i
ci0 j0 = −γi0 j0 + e
aij = αij + bij − cij para i < j y (i, j) 6= (i0 j0 )
ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e
d = βi + nr=1 r6=i bir para cualquier i 6= i0
P

Para tener consistencia en las definiciones, debemos probar que:

Caso 1: La definición de bjk no depende del i:

−δijk + γik = −δi′ jk + γi′ k

∀i 6= i′ si (i, k) 6= (i0 , j0 ),(i′ , k) 6= (i0 , j0 ) y (i, j, k) 6= (i0 , j0 , k0 ).

Caso 2: Si k = j0 y i = i0 , bjj0 está bien definida:

−δijj0 + γij0 = −δi0 jj0 + γi0 j0 − e ∀i 6= i0

Caso 3: Como también debe cumplirse que aij = αji + bji − cji para i < j y (i, j) 6=
(j0 , i0 ), tenemos que probar que

αij + bij − cij = αji + bji − cji ∀(i, j) 6= (i0 , j0 ), (j0 , i0 )

124 Demostraciones de Definición de Faceta

Caso 4: Por otro lado, ai0 j0 = αj0 i0 + bj0 i0 − cj0 i0 . Entonces debemos ver que

αi0 j0 − bi0 j0 − ci0 j0 + e = αj0 i0 + bj0 i0 − cj0 i0

Caso 5: La definición de d no debe depender de i:

n
X n
X
βi + bir = βi′ + bi′ r ∀i, i′ 6= i0
r=1 r6=i r=1 r6=i′

Caso 6: Para i0 , se debe cumplir d = βi0 + nr=1 r6=i0 bi0 r − e, o sea que se debe cumplir
P
que
Xn X n
βi0 + bi0 r − e = βi + bir ∀i 6= i0
r=1 r6=i0 r=1 r6=i

Probamos cada condición mostrando los caminos P R y multiplicadores λ que deben

considerarse:

Demostración Caso 1: Debemos considerar 5 alternativas:

1. i, j, k, i′ ∈
/ {i0 , j0 , k0 }
Sean los siguientes caminos P R:
1: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vj vi′ vk 7: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi vi′ vk
2: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vi′ vj vk 8: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi′ vi vk
3: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vk vi vj vi′ 9: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vj vi vk
4: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vk vi vi′ vj 10: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vk vj vi vi′
5: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vk vi′ vi vj 11: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vk vj vi′ vi
6: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vi vj vk 12: 0 vj1 . . . vjn−7 vi0 vj0 vk0 vk vi′ vj vi
donde {vj1 , . . . , vjn−7 } = V \ {v0 , vi , vi′ , vj , vk , vi0 , vj0 , vk0 }.
Definamos λ = (− 12 , 12 , 21 , − 21 , 12 , − 21 , − 12 , 21 , 12 , 21 , − 12 , − 21 ).
2. Exactamente uno de los ı́ndices i, j, k, i′ pertenece a {i0 , j0 , k0 }. Para obtener la
igualdad buscada, considerar las soluciones y λ anteriores, excluyendo del comien-
zo del camino el cliente correspondiente.
3. Exactamente dos de los ı́ndices i, j, k, i′ pertenecen a {i0 , j0 , k0 }.
a) Dos de los ı́ndices i, j, k, i′ son i0 , k0 ó j0 , k0 .
Nuevamente, tomamos los caminos P R y λ anteriores, excluyendo del co-
mienzo del camino los clientes vi0 , vk0 o vj0 , vk0 según el caso.
b) Dos de los ı́ndices i, j, k, i′ son i0 , j0 . Hay 6 posibilidades:
• i = i0 y j = j0 (i1 = k, i2 = i′ )
λ5 [8] = −1, λ5 [11] = 1, λ5 [15] = 1, λ5 [16] = −1, λ5 [67] = −1, λ5 [89] = 1,
λ5 [59] = 1, λ5 [88] = −1.
 125

• i = i0 y i′ = j0 (i1 = j, i2 = k)
λ5 [15] = −1, λ5 [18] = 1, λ5 [28] = −1, λ5 [104] = 1, λ5 [87] = 1, λ5 [42] = 1,
λ5 [96] = −1, λ5 [108] = −1.
• i = j0 y j = i0 (i1 = k, i2 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [95] = −1, λ5 [109] = 1, λ5 [59] = 1, λ5 [111] =
−1, λ5 [88] = −1, λ5 [96] = 1.
• i = j0 y k = i0 (i1 = j, i2 = i′ )
λ5 [4] = 1, λ5 [6] = −1, λ5 [15] = 1, λ5 [18] = −1, λ5 [42] = −1, λ5 [48] = 1,
λ5 [88] = −1, λ5 [96] = 1.
• j = i0 y k = j0 (i1 = i, i2 = i′ )
λ5 [1] = 1, λ5 [2] = −1, λ5 [10] = −1, λ5 [12] = 1, λ5 [65] = 1, λ5 [71] = −1,
λ5 [34] = −1, λ5 [36] = 1.
• j = j0 y k = i0 (i1 = i, i2 = i′ )
λ5 [10] = −1, λ5 [12] = 1, λ5 [25] = 1, λ5 [26] = −1, λ5 [34] = −1, λ5 [36] = 1,
λ5 [66] = 1, λ5 [72] = −1.
4. i, j, k, i′ ∈ {i0 , j0 , k0 } Para cada alternativa mostramos el λ que nos permite de-
mostrar lo buscado.
• i = i0 j = j0 y i′ = k0 (i1 = k)
λ4 [1] = − 21 , λ4 [2] = 21 , λ4 [3] = 12 , λ4 [4] = − 21 , λ4 [5] = 12 , λ4 [6] = − 21 ,
λ4 [13] = −1, λ4 [23] = 1, λ4 [9] = 1, λ4 [10] = − 21 , λ4 [12] = − 21 , λ4 [16] = 12 ,
λ4 [18] = 21 , λ4 [22] = − 12 , λ4 [24] = − 21 .
• i = i0 j = k0 y i′ = j0 (i1 = k)
λ4 [1] = 12 , λ4 [2] = − 12 , λ4 [3] = − 12 , λ4 [4] = 21 , λ4 [5] = − 21 , λ4 [6] = 12 ,
λ4 [7] = −1, λ4 [21] = 1, λ4 [15] = 1, λ4 [10] = 21 , λ4 [12] = 12 , λ4 [16] = − 12 ,
λ4 [18] = − 21 , λ4 [22] = − 12 , λ4 [24] = − 12 .
• i = i0 k = k0 y i′ = j0 (i1 = j)
λ4 [1] = − 12 , λ4 [2] = 21 , λ4 [3] = − 12 , λ4 [4] = 21 , λ4 [5] = − 21 , λ4 [6] = 12 ,
λ4 [8] = −1, λ4 [21] = 1, λ4 [15] = 1, λ4 [10] = 21 , λ4 [12] = 12 , λ4 [16] = − 12 ,
λ4 [18] = − 21 , λ4 [22] = − 12 , λ4 [24] = − 12 .
• i = j0 j = i0 y k = k0 (i1 = i′ )
λ4 [1] = 21 , λ4 [2] = − 12 , λ4 [3] = 21 , λ4 [4] = − 21 , λ4 [5] = 12 , λ4 [6] = − 21 ,
λ4 [11] = 1, λ4 [21] = −1, λ4 [10] = − 12 , λ4 [12] = − 12 , λ4 [16] = − 12 , λ4 [18] = 12 ,
λ4 [22] = 21 , λ4 [24] = 21 .
• i = j0 j = i0 y i′ = k0 (i1 = k)
λ4 [1] = − 12 , λ4 [2] = 12 , λ4 [3] = 12 , λ4 [4] = − 21 , λ4 [5] = 12 , λ4 [6] = − 21 , λ4 [9] = 1,
λ4 [15] = −1, λ4 [10] = − 21 , λ4 [12] = − 12 , λ4 [16] = 21 , λ4 [18] = 12 , λ4 [22] = − 21 ,
λ4 [24] = 12 .
• i = j0 k = i0 y i′ = k0 (i1 = j)
λ4 [1] = − 21 , λ4 [2] = 21 , λ4 [3] = 12 , λ4 [4] = − 21 , λ4 [5] = 12 , λ4 [6] = − 21 ,
λ4 [10] = 12 , λ4 [12] = − 12 , λ4 [16] = − 21 , λ4 [18] = 21 , λ4 [22] = − 12 , λ4 [24] = 21 .
126 Demostraciones de Definición de Faceta

• i = j0 k = k0 y i′ = i0 (i1 = j)
λ4 [1] = 12 , λ4 [2] = − 21 , λ4 [3] = 12 , λ4 [4] = − 21 , λ4 [5] = 12 , λ4 [6] = − 21 , λ4 [8] = 1,
λ4 [21] = −1, λ4 [15] = −1, λ4 [10] = − 21 , λ4 [12] = − 21 , λ4 [16] = 12 , λ4 [18] = 21 ,
λ4 [22] = 21 , λ4 [24] = 21 .
• i = j0 j = k0 y k = i0 (i1 = i′ )
λ4 [1] = 21 , λ4 [2] = − 12 , λ4 [3] = 21 , λ4 [4] = − 21 , λ4 [5] = 12 , λ4 [6] = − 21 ,
λ4 [10] = − 21 , λ4 [12] = 12 , λ4 [16] = − 21 , λ4 [18] = 21 , λ4 [22] = − 12 , λ4 [24] = 21 .
• i = j0 j = k0 y i′ = i0 (i1 = k)
λ4 [1] = − 12 , λ4 [2] = 12 , λ4 [3] = 12 , λ4 [4] = − 21 , λ4 [5] = 12 , λ4 [6] = − 21 , λ4 [7] = 1,
λ4 [21] = −1, λ4 [15] = −1, λ4 [10] = − 21 , λ4 [12] = − 21 , λ4 [16] = 12 , λ4 [18] = 21 ,
λ4 [22] = 21 , λ4 [24] = 21 .
• i = k0 j = i0 y k = j0 (i1 = i′ )
λ4 [1] = 21 , λ4 [2] = − 12 , λ4 [3] = 21 , λ4 [4] = − 21 , λ4 [5] = − 21 , λ4 [6] = 12 ,
λ4 [17] = 1, λ4 [23] = −1, λ4 [10] = − 12 , λ4 [12] = 21 , λ4 [16] = − 12 , λ4 [18] = − 12 ,
λ4 [22] = 12 , λ4 [24] = 21 .
• i = k0 j = i0 y i′ = j0 (i1 = k)
λ4 [1] = 12 , λ4 [2] = − 12 , λ4 [3] = − 12 , λ4 [4] = 21 , λ4 [5] = − 21 , λ4 [6] = 12 ,
λ4 [9] = −1, λ4 [15] = 1, λ4 [10] = 21 , λ4 [12] = 21 , λ4 [16] = − 12 , λ4 [18] = − 21 ,
λ4 [22] = 12 , λ4 [24] = − 12 .
• i = k0 k = i0 y i′ = j0 (i1 = j)
λ4 [1] = 21 , λ4 [2] = − 12 , λ4 [3] = − 12 , λ4 [4] = 21 , λ4 [5] = − 21 , λ4 [6] = 12 ,
λ4 [10] = − 21 , λ4 [12] = 12 , λ4 [16] = 21 , λ4 [18] = − 21 , λ4 [22] = 12 , λ4 [24] = − 21 .
• i = k0 j = j0 y k = i0 (i1 = i′ )
λ4 [1] = 21 , λ4 [2] = − 12 , λ4 [3] = 21 , λ4 [4] = − 21 , λ4 [5] = − 21 , λ4 [6] = 12 ,
λ4 [10] = − 21 , λ4 [12] = 12 , λ4 [16] = − 21 , λ4 [18] = 21 , λ4 [22] = 12 , λ4 [24] = − 21 .
• i = k0 j = j0 y i′ = i0 (i1 = k)
λ4 [1] = 12 , λ4 [2] = − 12 , λ4 [3] = − 12 , λ4 [4] = 21 , λ4 [5] = − 21 , λ4 [6] = 12 ,
λ4 [13] = 1, λ4 [23] = −1, λ4 [9] = −1, λ4 [10] = 21 , λ4 [12] = 12 , λ4 [16] = − 21 ,
λ4 [18] = − 21 , λ4 [22] = 12 , λ4 [24] = 21 .

Demostración Caso 2: Reemplazando e por su definición, ∀i 6= i0 , j0 , j 6= i0 , j0 tenemos

que ver que

−δijj0 + γij0 = −δi0 jj0 + γi0 j0 + δi0 j0 k0 − δi′ j0 k0 + γi′ k0 − γi0 k0

1. Si i 6= k0 y j = k0 . Podemos suponer i = i′ (i1 = i)

Sean λ5 [4] = 1, λ5 [18] = −1, λ5 [49] = −1, λ5 [95] = 1, λ5 [28] = 1, λ5 [93] = −1,
λ5 [31] = 1, λ5 [55] = −1, λ5 [34] = −1, λ5 [42] = −1, λ5 [58] = 1, λ5 [66] = 1.
2. Si i, j 6= k0 . Podemos suponer i = i′ (i1 = i, i2 = j)
Sean λ5 [6] = −1, λ5 [12] = 1, λ5 [50] = 1, λ5 [119] = −1, λ5 [26] = −1, λ5 [117] = 1,
λ5 [32] = −1, λ5 [35] = 1, λ5 [56] = 1, λ5 [59] = −1, λ5 [48] = 1, λ5 [72] = −1.
 127

3. i = k0 (i1 = j)
Sean λ5 [4] = −1, λ5 [22] = 1, λ5 [49] = 1, λ5 [95] = −1, λ5 [28] = 1, λ5 [29] = −1,
λ5 [41] = 1, λ5 [44] = −1, λ5 [31] = −1, λ5 [59] = 1, λ5 [33] = 1, λ5 [57] = −1,
λ5 [64] = −1, λ5 [84] = 1.

Demostración Caso 3: Se debe cumplir que aij = αji − bji − cji si i < j y (i, j) 6=
(i0 , j0 ), (j0 , i0 ). Reemplazando por las definiciones y tomando k 6= i0 , j0 , k0 , debemos
probar que
αij + δkij − γkj + γij = αji + δkji − γki + γji

Consideremos los siguientes caminos P R:

1: 0 vi0 vj0 vk0 vj . . . vjn−6 vk vi vj 2: 0 vi0 vj0 vk0 vj . . . vjn−6 vk vj vi

donde {vj1 , . . . , vjn−6 } = V \ {v0 , vi , vj , vk , vi0 , vj0 , vk0 } y definimos λ = (1, −1) para
obtener lo buscado.

Si {i, j}∩{i0 , j0 , k0 } =
6 ∅ suprimir del comienzo del camino los clientes correspondientes.

Demostración Caso 4: Reemplazando por las definiciones, debemos probar que

αi0 j0 + δki0 j0 + γi0 j0 + γki0 = αj0 i0 + δkj0 i0 + γj0 i0 + γkj0

para k 6= i0 , j0 , k0
Para demostrar esto, definimos λ = (1, −1) y los caminos P R:
1: 0 vj . . . vjn−4 vk0 vk vi0 vj0 2: 0 vj . . . vjn−4 vk0 vk vj0 vi0

donde {vj1 , . . . , vjn−4 } = V \ {v0 , vk , vi0 , vj0 , vk0 }.

Demostración Caso 5: Tenemos que ver que

n
X n
X
βi + γki′ − δjik − δkir = βi′ + γki − δji′ k − δki′ r
r=1 r6=i,k r=1 r6=i′ ,k

Podemos suponer k, j 6= i0 , j0 , k0

1. i′ 6= i0
Consideramos los caminos P R
1: v0 vi vi′ vk vj1 . . . vjn−4 vj 5: v0 vi′ vk vj1 . . . vjn−4 vi vj
2: v0 vk vi vi′ vj1 . . . vjn−4 vj 6: v0 vk vi′ vj1 . . . vjn−4 vi vj
3: v0 vk vj vi vi′ vj1 . . . vjn−4 7: v0 vk vj vi′ vj1 . . . vjn−4 vi
4: v0 vj vi vi′ vk vj1 . . . vjn−4 8: v0 vj vi′ vk vj1 . . . vjn−4 vi
con {vj1 , . . . , vjn−4 } = V \ {v0 , vi , vi′ , vj , vk }, vj1 = vj0 , vj2 = vk0 , vj3 = vi0
Definimos λ = (1, −1, 1, −1, −1, 1, −1, 1) para probar la igualdad deseada.
128 Demostraciones de Definición de Faceta

2. i′ = i0 . Nos resta demostrar que

n
X n
X
βi +γki0 −δjik − δkir = βi0 +γki−δji0 k − δki0 r +δi0 j0 k0 −δkj0 k0 +γkk0 −γi0 k0
r=1 r6=i,k r=1 r6=i0 ,k

Para esto definimos λ = (−1, 1, − 21 , − 12 , − 21 , 1, −1, 12 , 1, 12 , 21 , 21 , − 12 , −1) y conside-

ramos las soluciones definidas por los caminos P R:
1: 0 vi0 vj0 vi vj vj1 . . . vjn−6 vk vk0 8: 0 vk0 vj1 . . . vjn−6 vi vj0 vj vi0 vk
2: 0 vj0 vi vj vj1 . . . vjn−6 vk vi0 vk0 9: 0 vi vk0 vj vi0 vj0 vj1 . . . vjn−6 vk
3: 0 vj0 vj vi vk0 vj1 . . . vjn−6 vk vi0 10: 0 vk vj0 vj vi vk0 vj1 . . . vjn−6 vi0
4: 0 vj0 vj1 . . . vjn−5 vi vk0 vj vi0 vk 11: 0 vk vj0 vj1 . . . vjn−6 vi vk0 vj vi0
5: 0 vk0 vj vi vj0 vj1 . . . vjn−6 vk vi0 12: 0 vk vk0 vj vi vj0 vj1 . . . vjn−6 vi0
6: 0 vk0 vk vi0 vj0 vi vj vj1 . . . vjn−6 13: 0 vk vk0 vj1 . . . vjn−6 vi vj0 vj vi0
7: 0 vk0 vk vj0 vi vj vj1 . . . vjn−6 vi0 14: 0 vk vi vk0 vj vi0 vj0 vj1 . . . vjn−6
donde {vj1 , . . . , vjn−6 } = V \ {vi , vj , vk , vi0 , vj0 , vk0 }.

Proposición A.6 (Familia 7) Sean i0 , j0 , k0 , ∈ {1, . . . , n} ı́ndices distintos. La desigualdad

fjk00k0 + fij00k0 + fij00j0 ≤ xi0 j0 + fik00j0 + fji00k0

define una faceta de CR.

Demostración:
Vamos a suponer que i0 < j0 . Debemos encontrar multiplicadores aij vi , j = 1, . . . , n i < j
(correspondientes a las ecuaciones 4.1), bij vi , j = 1, . . . , n i 6= j (ecuaciones 4.2), cij vi , j =
1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e (ecuación Familia7) tales que:

αij = aij + bij + cij (∀i < j (i, j) 6= (i0 , j0 ))

αji = aij + bji + cji (∀i < j)

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 − e

γij = −cij (∀(i, j) 6= (i0 , j0 ), (j0 , k0 ))

γi0 j0 = −ci0 j0 + e

γj0 k0 = −cj0 k0 + e

δijk = −cik − bjk (∀(i, j, k) 6= (i0 , j0 , k0 ), (i0 , k0 , j0 ), (j0 , k0 , i0 ))

δi0 j0 k0 = −ci0 k0 − bj0 k0 − e

 129

δi0 k0 j0 = −ci0 j0 − bk0 j0 + e

δj0 k0 i0 = −cj0 i0 − bk0 i0 − e

βi = d − nr=1 r6=i bir

P

Definimos:

cij = −γij para todo (i, j) 6= (i0 , j0 ), (j0 , k0 )

bjk = −δijk − cik para todo (i, j, k) 6= (i0 , j0 , k0 ), (i0 , k0 , j0 ), (j0 , k0 , i0 )

e = −δj0 k0 i0 + δik0 i0 − γii0 + γj0 i0 para cualquier i 6= i0 , j0 , k0

ci0 j0 = −γi0 j0 + e

cj0 k0 = −γj0 k0 + e

aij = αij + bij − cij para i < j y (i, j) 6= (i0 j0 )

ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e

d = βi + nr=1 r6=i bir para cualquier i

P

Para que las definiciones anteriores sean correctas y consistentes, debemos probar que:

Caso 1: La definición de bjk no depende del i:

1. Si k 6= i0 , j0 , k0 , ∀i, i′ 6= i0 :

−δijk + γik = −δi′ jk + γi′ k

2. Si k = i0 y j 6= k0 , ∀i, i′ 6= i0 :

−δiji0 + γii0 = −δi′ ji0 + γi′ i0

3. Si k = i0 y j = k0 , ∀i, i′ 6= i0 , j0 , k0 :

−δik0 i0 + γii0 = −δi′ k0 i0 + γi′ i0

4. Si k = j0 y j 6= i0 , k0 , ∀i 6= i0 , j0 :

−δijj0 + γij0 = −δi0 jj0 + γi0 j0 − e

5. Si k = j0 y j = i0 , ∀i, i′ 6= i0 , j0 :

−δii0 j0 + γij0 = −δi′ i0 j0 + γi′ j0

130 Demostraciones de Definición de Faceta

6. Si k = j0 y j = k0 , ∀i 6= i0 , j0 , k0 :

−δik0 j0 + γij0 = −δi0 k0 j0 + γi0 j0

7. Si k = k0 y j 6= j0 , ∀i 6= j0 , k0 :

−δijk0 + γik0 = −δj0 jk0 + γj0 k0 − e

8. Si k = k0 y j = j0 , ∀i 6= i0 , j0 , k0 :

−δij0 k0 + γik0 = −δi0 j0 k0 + γi0 k0 − e

Caso 2: La definición de d no debe depender de i: ∀i, i′ 6= i0

n
X n
X
βi + bir = βi′ + bi′ r
r=1 r6=i r=1 r6=i′

Caso 3: Como también debe cumplirse que aij = αji + bji − cji para i < j y (i, j) 6=
(j0 , i0 ), tenemos que probar que, ∀(i, j) 6= (i0 , j0 ), (j0 , i0 )

αij + bij − cij = αji + bji − cji

Caso 4: Por otro lado, ai0 j0 = αj0 i0 + bj0 i0 − cj0 i0 . Entonces debemos ver que

αi0 j0 − bi0 j0 − ci0 j0 + e = αj0 i0 + bj0 i0 − cj0 i0

Probamos cada condición mostrando las soluciones de CR y λ5 que deben considerarse:

Demostración Caso 1:
1. k 6= i0 , j0 , k0 . Debemos considerar 4 alternativas:
a) i, j, i′ ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: 0 vi0 vj0 vk0 vi vj vi′ vk vj1 . . . vjn−7 7: 0 vi0 vj0 vk0 vj vi vi′ vk vj1 . . . vjn−7
2: 0 vi0 vj0 vk0 vi vi′ vj vk vj1 . . . vjn−7 8: 0 vi0 vj0 vk0 vj vi′ vi vk vj1 . . . vjn−7
3: 0 vi0 vj0 vk0 vk vi vj vi′ vj1 . . . vjn−7 9: 0 vi0 vj0 vk0 vi′ vj vi vk vj1 . . . vjn−7
4: 0 vi0 vj0 vk0 vk vi vi′ vj vj1 . . . vjn−7 10: 0 vi0 vj0 vk0 vk vj vi vi′ vj1 . . . vjn−7
5: 0 vi0 vj0 vk0 vk vi′ vi vj vj1 . . . vjn−7 11: 0 vi0 vj0 vk0 vk vj vi′ vi vj1 . . . vjn−7
6: 0 vi0 vj0 vk0 vi′ vi vj vk vj1 . . . vjn−7 12: 0 vi0 vj0 vk0 vk vi′ vj vi vj1 . . . vjn−7
donde {vj1 , . . . , vjn−7 } = V \ {vi , vi′ , vj , vk , vi0 , vj0 , vk0 } y definamos
1 1 1 1 1 1 1 1 1 1 1 1
λ5 = (− , , , − , , − , − , , , , − , − )
2 2 2 2 2 2 2 2 2 2 2 2
 131

b) Exactamente uno de los ı́ndices i, j, i′ pertenece a {i0 , j0 , k0 }

Para obtener la igualdad buscada, considerar las soluciones y λ5 anteriores,
excluyendo del camino el cliente vi , vj o vi′ según corresponda, y en el caso
de k0 invirtiendo el orden de vi0 y vj0 .
c) Dos de los ı́ndices i, j, i′ pertenecen a {i0 , j0 , k0 }

Hay 9 posibilidades, para cada una enunciamos el λ que consideramos para

demostrar lo deseado:
• i = i0 y j = j0 (i1 = k, i2 = i′ )
λ5 [8] = −1, λ5 [7] = 1, λ5 [67] = −1, λ5 [75] = 1, λ5 [76] = −1, λ5 [89] = 1,
λ5 [59] = 1, λ5 [88] = −1.
• i = i0 y i′ = j0 (i1 = j, i2 = k)
λ5 [7] = 1, λ5 [11] = −1, λ5 [55] = −1, λ5 [69] = 1, λ5 [75] = −1, λ5 [76] = 1,
λ5 [87] = 1, λ5 [90] = −1.
• i = i0 y j = k0 (i1 = k, i2 = i′ )
λ5 [29] = 1, λ5 [32] = −1, λ5 [80] = −1, λ5 [81] = 1, λ5 [93] = 1, λ5 [94] = −1,
λ5 [103] = −1, λ5 [105] = 1.
• i = i0 y i′ = k0 (i1 = j, i2 = k)
λ5 [25] = 1, λ5 [31] = −1, λ5 [79] = −1, λ5 [81] = 1, λ5 [103] = −1, λ5 [105] =
1, λ5 [117] = 1, λ5 [118] = −1.
• i = j0 y j = i0 (i1 = k, i2 = i′ )
λ5 [8] = −1, λ5 [9] = 1, λ5 [59] = 1, λ5 [64] = −1, λ5 [99] = 1, λ5 [100] = −1,
λ5 [111] = −1, λ5 [114] = 1.
• i = j0 y j = k0 (i1 = k, i2 = i′ )
λ5 [33] = −1, λ5 [46] = 1, λ5 [50] = − − 1, λ5 [61] = 1, λ5 [81] = 1, λ5 [84] =
−1, λ5 [109] = 1, λ5 [113] = −1.
• i = j0 y i′ = k0 (i1 = j, i2 = k)
λ5 [1] = 1, λ5 [7] = −1, λ5 [73] = −1, λ5 [75] = 1, λ5 [97] = −1, λ5 [99] = 1,
λ5 [115] = 1, λ5 [116] = −1.
• i = k0 y j = i0 (i1 = k, i2 = i′ )
λ5 [29] = 1, λ5 [80] = −1, λ5 [45] = −1, λ5 [56] = 1, λ5 [59] = 1, λ5 [63] = −1,
λ5 [64] = −1, λ5 [84] = 1.
• i = k0 y j = j0 (i1 = k, i2 = i′ )
λ5 [2] = −1, λ5 [11] = 1, λ5 [73] = 1, λ5 [76] = −1, λ5 [91] = −1, λ5 [92] = 1,
λ5 [97] = 1, λ5 [99] = −1.
d ) {i, j, i′ } = {i0 , j0 , k0 }. Debemos analizar 4 situaciones, para cada una mostra-
mos los coeficientes λ.
• i = i0 , j = j0 y i′ = k0 (i1 = k)
λ5 [92] = −1, λ5 [95] = 1, λ5 [99] = 1, λ5 [109] = −1, λ5 [43] = −1, λ5 [83] =
1, λ5 [45] = 1, λ5 [84] = −1.
132 Demostraciones de Definición de Faceta

• i = i0 , j = k0 y i′ = j0 (i1 = k)
λ5 [10] = 1, λ5 [11] = −1, λ5 [25] = −1, λ5 [79] = 1, λ5 [69] = 1, λ5 [34] = 1,
λ5 [66] = −1, λ5 [82] = −1.
• i = j0 , j = k0 y i′ = i0 (i1 = k)
λ5 [67] = 1, λ5 [71] = −1, λ5 [97] = −1, λ5 [115] = 1, λ5 [43] = 1, λ5 [47] =
−1, λ5 [59] = −1, λ5 [60] = 1.
• i = j0 , j = i0 y i′ = k0 (i1 = k)
λ5 [11] = 1, λ5 [12] = −1, λ5 [19] = −1, λ5 [23] = 1, λ5 [69] = −1, λ5 [105] =
1, λ5 [72] = 1, λ5 [118] = −1.
2. k = i0
a) j 6= j0 , i, i′ 6= j0 , k0 : Consideramos el λ y los caminos definidos en el Caso 1
a) suprimiendo del comienzo del camino al clientes vi0 .

b) j 6= j0 , i = j0 (i1 = j, i2 = i′ )
λ5 [1] = 1, λ5 [2] = −1, λ5 [10] = −1, λ5 [11] = 1, λ5 [34] = −1, λ5 [36] = 1,
λ5 [66] = 1, λ5 [70] = −1.
c) j 6= j0 , i = k0 (i1 = j, i2 = i′ )
λ5 [29] = 1, λ5 [80] = −1, λ5 [56] = −1, λ5 [87] = 1, λ5 [46] = −1, λ5 [60] = 1,
λ5 [84] = 1, λ5 [88] = −1.
d ) j = j0 , i, i′ 6= k0 (i1 = i, i2 = i′ )
λ5 [13] = 1, λ5 [17] = −1, λ5 [25] = 1, λ5 [79] = −1, λ5 [93] = 1, λ5 [103] = −1,
λ5 [34] = −1, λ5 [106] = 1.
e) j = j0 , i = k0 (i1 = i′ )
λ5 [76] = −1, λ5 [116] = 1, λ5 [37] = 1, λ5 [107] = −1, λ5 [40] = −1, λ5 [90] = 1,
λ5 [108] = 1, λ5 [120] = −1.
3. k = i0 , j = k0 (i1 = i, i2 = i′ )
λ5 [28] = −1, λ5 [104] = 1, λ5 [55] = 1, λ5 [111] = −1, λ5 [42] = 1, λ5 [58] = −1,
λ5 [108] = −1, λ5 [112] = 1.
4. k = j0 , j 6= i0 , j0 , k0 , i 6= i0 , j0 .
Reemplazando e por su definición, debemos probar que

−δijj0 + γij0 = −δi0 jj0 + γi0 j0 + δj0 k0 i0 − γj0 i0 − δi′ k0 i0 + γi′ i0

• i 6= i0 , j0 , k0 (i1 = i, i2 = j)
λ5 [13] = 1, λ5 [17] = −1, λ5 [77] = 1, λ5 [113] = −1, λ5 [27] = −1, λ5 [28] = 1,
λ5 [38] = −1, λ5 [39] = 1, λ5 [81] = −1, λ5 [114] = 1.
• i = k0 (i1 = j)
λ5 [12] = −1, λ5 [23] = 1, λ5 [71] = −1, λ5 [116] = 1, λ5 [26] = 1, λ5 [30] = −1,
λ5 [47] = −1, λ5 [48] = 1, λ5 [72] = 1, λ5 [118] = −1.
 133

5. k = j0 , j = i0 (i1 = i)
Para todo i, i′ 6= i0 , j0 , tenemos que probar que

−δii0 j0 + γij0 = −δi′ i0 j0 + γi′ j0

Podemos suponer que i′ = k0

λ5 [92] = −1, λ5 [95] = 1, λ5 [100] = 1, λ5 [113] = −1, λ5 [41] = 1, λ5 [43] = −1,
λ5 [42] = −1, λ5 [46] = 1.
6. k = j0 , j = k0 (i1 = i)
Tenemos que probar que

−δik0 j0 + γij0 = −δi0 k0 j0 + γi0 j0

para todo i 6= i0 , j0 , k0 . λ5 [8] = −1, λ5 [12] = 1, λ5 [71] = −1, λ5 [75] = 1, λ5 [37] =

−1, λ5 [40] = 1, λ5 [60] = 1, λ5 [88] = −1.
7. k = k0 , j 6= j0 , k0
Para todo i 6= j0 , k0 tenemos que probar que

−δijk0 + γik0 = −δj0 jk0 + γj0 k0 + δj0 k0 i0 − γj0 i0 − δi′ k0 i0 + γi′ i0

Hay tres posibilidades:

• j 6= i0 , i 6= i0 (i1 = i, i2 = j)
λ5 [65] = 1, λ5 [71] = −1, λ5 [91] = −1, λ5 [115] = 1, λ5 [47] = −1, λ5 [83] = 1,
λ5 [48] = 1, λ5 [64] = −1, λ5 [72] = 1, λ5 [118] = −1.
• j 6= i0 , i = i0 (i1 = j)
λ5 [30] = −1, λ5 [93] = 1, λ5 [56] = 1, λ5 [48] = 1, λ5 [60] = −1, λ5 [94] = −1.
• j = i0 , i 6= i0 , j0 , k0 (i1 = i)
λ5 [107] = −1, λ5 [117] = 1, λ5 [108] = 1, λ5 [118] = −1.
8. k = k0 , j = j0 (i1 = i)
Tenemos que probar, para todo i, i′ 6= i0 , j0 , k0 ,

−δij0 k0 + γik0 = −δi0 j0 k0 + γi0 k0 + δj0 k0 i0 − γj0 i0 − δi′ k0 i0 + γi′ i0

λ5 [71] = −1, λ5 [115] = 1, λ5 [107] = −1, λ5 [72] = 1, λ5 [108] = 1, λ5 [118] = −1.

Demostración Caso 2: Tenemos que ver que

n
X n
X
βi + γki′ − δjik − δkir = βi′ + γki − δji′ k − δki′ r
r=1 r6=i,k r=1 r6=i′ ,k

Podemos suponer k, j 6= i0 , j0 , k0 . Consideramos los caminos P R y λ del Caso 1 1.a)

Para que las soluciones determinadas se encuentren en la cara:
134 Demostraciones de Definición de Faceta

• si i, i′ ∈
/ {i0 , j0 , k0 } ponemos en vj1 , . . . , vjn−4 a vi0 vj0 vk0
• si i′ = i0 ponemos en vj1 , . . . , vjn−4 a vj0 vk0
• si i′ = j0 ponemos en vj1 , . . . , vjn−4 a vk0 vi0
• si i′ = k0 ponemos en vj1 , . . . , vjn−4 a vi0 vj0

Demostración Caso 3: Se debe cumplir que aij = αji −bji −cji si i < j y (i, j) 6= (i0 , j0 ).
Reemplazando por las definiciones, debemos probar que

αij + δkij − γkj + γij = αji + δkji − γki + γji

• i, j ∈
/ {i0 , j0 , k0 }. Consideramos las soluciones de MR determinadas por los cami-
nos P R:
1: v0 vi0 vk0 vj0 vj1 . . . vjn−5 vi vj
2: v0 vi0 vk0 vj0 vj1 . . . vjn−5 vj vi
donde {vj1 , . . . , vjn−5 } = V \ {vi0 , vj0 , vk0 , vi , vj } y definimos λ = (1, −1).
• Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 }. Considerar los caminos
y λ anteriores suprimiendo del comienzo del camino el cliente correspondiente.
• Los dos ı́ndices i, j pertenecen a {i0 , j0 , k0 }
En los caminos P R anteriores suprimir los dos clientes vi , vj . En el caso que
i, j = {j0 , k0 }, considerar a vk como vi0 . En todos los casos usar los mismos
multiplicadores λ.

Demostración Caso 4: Reemplazando por las definiciones, debemos probar que

αi0 j0 + δii0 j0 − γij0 + γi0 j0 = αj0 i0 + δij0 i0 − γii0 + γj0 i0

Podemos suponer que i 6= i0 , j0 , k0 . Para demostrar esto, definimos λ = (1, −1) y los
caminos P R:

1: v0 vk0 vj1 . . . vjn−4 vi vi0 vj0

2: v0 vk0 vj1 . . . vjn−4 vi vj0 vi0

donde {vj1 , . . . , vjn−4 } = V \ {vk , vi0 , vj0 , vk0 }.

Proposición A.7 (Familia 9) Sean i0 , j0 , k0 , l0 ∈ {1, . . . , n} ı́ndices distintos. La desigual-

dad
fij00k0 + fkj00i0 + fik00l0 + fik00j0 + fjk00l0 + fjk00k0 ≤ xi0 j0 + xj0 k0
define una faceta de CR.
 135

Demostración:

Demostración:
Vamos a suponer que i0 < j0 < k0 . Debemos encontrar multiplicadores aij i, j = 1, . . . , n i <
j (correspondientes a las ecuaciones 4.1), bij i, j = 1, . . . , n i 6= j (ecuaciones 4.2), cij i, j =
1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e (ecuación Familia9) tales que:

αij = aij + bij + cij (∀i < j (i, j) 6= (i0 , j0 ))

αji = aij + bji + cji (∀i < j)

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 − e

αj0 k0 = aj0 k0 + bj0 k0 + cj0 k0 − e

γij = −cij (∀(i, j) 6= (j0 , k0 ))

γj0 k0 = −cj0 k0 + e

δijk = −cik − bjk (∀(i, j, k) 6= (i0 , l0 , k0 ), (k0 , i0 , j0 ), (i0 , k0 , j0 ), (i0 , j0 , k0 ), (j0 , l0 , k0 ))

δi0 k0 j0 = −ci0 j0 − bk0 j0 + e

δk0 i0 j0 = −ck0 j0 − bi0 j0 + e

δi0 l0 k0 = −ci0 k0 − bl0 k0 + e

δi0 j0 k0 = −ci0 k0 − bj0 k0 + e

δj0 l0 k0 = −cj0 k0 − bl0 k0 + e

βi = d − nr=1 r6=i bir

P

Definimos:

cij = −γij (∀(i, j) 6= (j0 , k0 ))

e = δi0 k0 j0 + ci0 j0 + bk0 j0

bjk = −δijk + γik (para algún i y ∀k 6= j0 , k0 )

bjj0 = −δijj0 + γij0 (para algún i y ∀j 6= k0 , i0 )

bk0 j0 = −δik0 j0 + γij0 (para algún i 6= i0 )

bi0 j0 = −δii0 j0 + γij0 (para algún i 6= i0 )

bjk0 = −δijk0 + γik0 (para algún i 6= j0 , k0 y ∀j 6= l0 , j0 )

136 Demostraciones de Definición de Faceta

bl0 k0 = −δil0 k0 + γik0 (para algún i 6= l0 , k0 )

bj0 k0 = −δij0 k0 + γik0 (para algún i 6= j0 , k0 )

cj0 k0 = −γj0 k0 + e

aij = αij − bij − cij (∀i < j, (i, j) 6= (i0 , j0 ))

ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e

aj0 k0 = αj0 k0 − bj0 k0 − cj0 k0 + e

d = βi + nr=1 r6=i bir (para cualquier i)

P

Para que las definiciones verifiquen las condiciones enunciadas anteriormente y sean con-
sistentes, debemos probar que:

Caso 1: La definición de bjk no depende del i:

−δijk + γik = −δi′ jk + γi′ k

para todo k 6= j0 , k0 .

Caso 2: La definición de bjj0 es consistente:

−δijj0 + γij0 = −δi′ jj0 + γi′ j0 ∀i, i′ 6= j0 j 6= i0 , k0

Caso 3: La definición de bk0 j0 es consistente:

−δik0 j0 + γij0 = −δi′ k0 j0 + γi′ j0 ∀i, i′ 6= i0

Caso 4: La definición de bi0 j0 es consistente:

−δii0 j0 + γij0 = −δk0 i0 j0 + γk0 j0 + e ∀i 6= i0 , j0

Caso 5: La definición de bjk0 es consistente:

−δijk0 + γik0 = −δj0 jk0 + γj0 k0 − e ∀i 6= j0 , k0 j 6= l0 , j0

Caso 6: La definición de bl0 k0 es consistente:

−δil0 k0 + γik0 = −δj0 l0 k0 + γj0 k0 = −δi0 l0 k0 + γi0 k0 + e ∀i 6= i0 , j0 , k0 , l0

Caso 7: La definición de bj0 k0 es consistente:

−δij0 k0 + γik0 = −δi0 j0 k0 + γi0 k0 + e ∀i 6= i0 , j0 , k0

 137

Caso 8: La definción de aij es consistente:

aij = αji − bji − cji ∀i < j, (i, j) 6= (i0 , j0 ), (j0 , k0 )

Caso 9: La definción de ai0 j0 es consistente:

ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

Caso 10: La definción de aj0 k0 es consistente:

aj0 k0 = αk0 j0 − bk0 j0 − ck0 j0

Caso 11: La definición de d no depende de i. Para todo i 6= i′ se debe cumplir:

n
X n
X
βi + bir = βi′ + bi′ r
r=1 r6=i r=1 r6=i′

Probamos cada ı́tem mostrando las soluciones de MR y el λ que nos permiten obtener
la igualdad buscada.
Demostración Caso 1: Vamos a considerar 4 posibilidades:

1. i, j, k, i′ ∈
/ {i0 , j0 , k0 , l0 }
Sean las soluciones de MR definidas por los siguientes caminos P R:
1: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi vj vi′ vk 7: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vj vi vi′ vk
2: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi vi′ vj vk 8: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vj vi′ vi vk
3: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi vj vi′ 9: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi′ vj vi vk
4: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi vi′ vj 10: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vj vi vi′
5: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi′ vi vj 11: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vj vi′ vi
6: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vi′ vi vj vk 12: v0 vj1 . . . vjn−8 vi0 vj0 vl0 vk0 vk vi′ vj vi
donde {vj1 , . . . , vjn−8 } = V \ {vi0 , vj0 , vk0 , vl0 , vi , vi′ , vj , vk }.
Definamos λ = (− 12 , 12 , 21 , − 21 , 12 , − 21 , − 12 , 21 , 12 , 21 , − 12 , − 21 ).
2. Exactamente uno de los ı́ndices i, j, k, l pertenece a {i0 , j0 , k0 , l0 }.
Consideramos los multiplicadores λ y caminos P R del caso 1, sacando del comien-
zo de los caminos el cliente según el caso.
3. Exactamente dos de los ı́ndices i, j, k, l pertenecen a {i0 , j0 , k0 , l0 }.
Para las siguientes posibilidades consideramos los caminos y λ del caso anterior,
tomando como comienzo del camino:
• vj0 vl0 para
1: i = i0 , j = k0
138 Demostraciones de Definición de Faceta

2: i = k0 , j = i0
3: i = k0 , k = i0
4: j = k0 , k = i0
5: j = k0 , k = l0
• vj0 vk0 para
1: i = i0 , j = l0
2: i = i0 , k = l0
3: j = i0 , k = l0
4: i = l0 , j = i0
5: i = l0 , k = i0
6: j = l0 , k = i0
Para los casos que nos falta analizar exponemos las soluciones P R y λ que debemos
considerar:
• i = i0 , j = j0 (i1 = k, i2 = i′ )
λ6 [242] = −0,5, λ6 [362] = −0,5, λ6 [529] = 0,5, λ6 [553] = 0,5, λ6 [345] = 0,5,
λ6 [465] = 0,5, λ6 [550] = −0,5, λ6 [574] = −0,5.
• i = j0 , j = i0 (i1 = k, i2 = i′ )
λ6 [50] = −1, λ6 [59] = 1, λ6 [493] = 1, λ6 [496] = −1, λ6 [581] = −1, λ6 [613] =
1, λ6 [584] = 1, λ6 [627] = −1.
• i = j0 , k = i0 (i1 = j, i2 = i′ )
λ6 [251] = 1, λ6 [532] = −1, λ6 [146] = −1, λ6 [511] = 1, λ6 [156] = 1, λ6 [310] =
−1, λ6 [514] = −1, λ6 [546] = 1.
• i = j0 , j = k0 (i1 = k, i2 = i′ )
λ6 [1] = 1, λ6 [2] = −1, λ6 [250] = −1, λ6 [251] = 1, λ6 [186] = −1, λ6 [190] = 1,
λ6 [454] = 1, λ6 [466] = −1.
• i = j0 , j = l0 (i1 = k, i2 = i′ )
λ6 [29] = 1, λ6 [32] = −1, λ6 [488] = −1, λ6 [489] = 1, λ6 [607] = −1, λ6 [609] =
1, λ6 [699] = 1, λ6 [700] = −1.
• i = j0 , k = l0 (i1 = j, i2 = i′ )
λ6 [30] = 1, λ6 [38] = −1, λ6 [56] = −1, λ6 [57] = 1, λ6 [608] = −1, λ6 [611] = 1,
λ6 [675] = 1, λ6 [676] = −1.
• j = j0 , k = i0 (i1 = i, i2 = i′ )
λ6 [37] = 0,5, λ6 [43] = −0,5, λ6 [61] = 0,5, λ6 [67] = −0,5, λ6 [322] = −0,5,
λ6 [346] = 0,5, λ6 [442] = −0,5, λ6 [466] = 0,5.
• j = j0 , k = l0 (i1 = i, i2 = i′ )
λ6 [257] = 1, λ6 [263] = −1, λ6 [412] = −1, λ6 [414] = 1, λ6 [148] = −1,
λ6 [150] = 1, λ6 [391] = 1, λ6 [392] = −1.
 139

• i = k0 , j = j0 (i1 = k, i2 = i′ )
λ6 [128] = −1, λ6 [195] = 1, λ6 [627] = 1, λ6 [644] = −1, λ6 [277] = −1,
λ6 [347] = 1, λ6 [535] = 1, λ6 [549] = −1.
• i = k0 , j = l0 (i1 = k, i2 = i′ )
λ6 [128] = −1, λ6 [507] = 1, λ6 [627] = 1, λ6 [704] = −1, λ6 [166] = 1, λ6 [516] =
−1, λ6 [634] = −1, λ6 [706] = 1.
• i = k0 , k = l0 (i1 = j, i2 = i′ )
λ6 [433] = 1, λ6 [451] = −1, λ6 [482] = −1, λ6 [577] = 1, λ6 [161] = −1,
λ6 [167] = 1, λ6 [178] = 1, λ6 [180] = −1.
• i = l0 , j = j0 (i1 = k, i2 = i′ )
λ6 [266] = −1, λ6 [283] = 1, λ6 [535] = 1, λ6 [539] = −1, λ6 [299] = −1,
λ6 [309] = 1, λ6 [544] = 1, λ6 [546] = −1.
• i = l0 , j = k0 (i1 = k, i2 = i′ )
λ6 [173] = 1, λ6 [219] = −1, λ6 [518] = −1, λ6 [524] = 1, λ6 [283] = 1, λ6 [539] =
−1, λ6 [272] = −1, λ6 [537] = 1.
4. Exactamente tres de los ı́ndices i, j, k, l pertenecen a {i0 , j0 , k0 , l0 }.
Para los posibles casos definimos el λ que nos permite probar la igualdad deseada.
• i = i0 , j = j0 y k = l0 (i1 = i′ )
λ5 [2] = −1, λ5 [3] = 1, λ5 [91] = 1, λ5 [98] = −1, λ5 [35] = 1, λ5 [40] = −1,
λ5 [94] = −1, λ5 [108] = 1.
• i = i0 , j = k0 y k = l0 (i1 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [92] = 1, λ5 [95] = −1, λ5 [99] = −1, λ5 [109] = 1,
λ5 [59] = 1, λ5 [88] = −1.
• i = j0 , j = i0 y k = l0 (i1 = i′ )
λ5 [1] = 1, λ5 [2] = −1, λ5 [10] = −1, λ5 [11] = 1, λ5 [35] = 1, λ5 [69] = −1,
λ5 [34] = −1, λ5 [66] = 1.
• i = j0 , j = k0 y k = i0 (i1 = i′ )
λ5 [3] = 1, λ5 [4] = −1, λ5 [16] = −1, λ5 [17] = 1, λ5 [40] = −1, λ5 [42] = 1,
λ5 [90] = 1, λ5 [94] = −1.
• i = j0 , j = k0 y k = l0 (i1 = i′ )
λ5 [53] = 1, λ5 [86] = −1, λ5 [56] = −1, λ5 [105] = −1, λ5 [111] = 1, λ5 [87] = 1,
λ5 [94] = 1, λ5 [96] = −1.
• i = j0 , j = l0 y k = i0 (i1 = i′ )
λ5 [1] = 1, λ5 [2] = −1, λ5 [10] = −1, λ5 [11] = 1, λ5 [34] = −1, λ5 [36] = 1,
λ5 [66] = 1, λ5 [70] = −1.
• i = k0 , j = i0 y k = l0 (i1 = i′ )
λ5 [2] = −1, λ5 [3] = 1, λ5 [97] = 1, λ5 [98] = −1, λ5 [35] = 1, λ5 [105] = −1,
λ5 [40] = −1, λ5 [108] = 1.
• i = k0 , j = j0 y k = i0 (i1 = i′ )
140 Demostraciones de Definición de Faceta

λ5 [13] = 1, λ5 [16] = −1, λ5 [101] = −1, λ5 [102] = 1, λ5 [82] = −1, λ5 [90] = 1,

λ5 [118] = 1, λ5 [120] = −1.
• i = k0 , j = j0 y k = l0 (i1 = i′ )
λ5 [2] = −1, λ5 [11] = 1, λ5 [73] = 1, λ5 [76] = −1, λ5 [97] = 1, λ5 [99] = −1,
λ5 [115] = −1, λ5 [116] = 1.
• i = k0 , j = l0 y k = i0 (i1 = i′ )
λ5 [10] = 1, λ5 [12] = −1, λ5 [13] = 1, λ5 [17] = −1, λ5 [66] = −1, λ5 [72] = 1,
λ5 [82] = −1, λ5 [94] = 1.
• i = l0 , j = j0 y k = i0 (i1 = i′ )
λ5 [54] = 1, λ5 [86] = −1, λ5 [32] = −1, λ5 [81] = 1, λ5 [36] = 1, λ5 [72] = −1,
λ5 [82] = −1, λ5 [90] = 1.

Demostración Caso 2: Para la consistencia en la definición de bjj0 :

−δijj0 + γij0 = −δi′ jj0 + γi′ j0 ∀i, i′ 6= j0 j 6= i0 , k0

Fijamos i = i0 . Para

• j 6= l0 y i′ 6= l0 (i1 = j, i2 = i′ )
λ6 [25] = 1, λ6 [26] = −1, λ6 [34] = −1, λ6 [36] = 1, λ6 [455] = 1, λ6 [470] = −1,
λ6 [189] = 1, λ6 [186] = −1.
• j 6= l0 y i′ = l0 (i1 = j)
λ5 [52] = 1, λ5 [86] = −1, λ5 [95] = 1, λ5 [110] = −1, λ5 [55] = −1, λ5 [111] = 1,
λ5 [87] = 1, λ5 [96] = −1.
• j 6= l0 y i′ = k0 (i1 = j)
λ5 [3] = −1, λ5 [4] = 1, λ5 [16] = 1, λ5 [18] = −1, λ5 [86] = −1, λ5 [95] = 1,
λ5 [39] = 1, λ5 [42] = −1.
• j = l0 y i′ 6= k0 (i1 = i′ )
λ5 [54] = 1, λ5 [86] = −1, λ5 [95] = 1, λ5 [110] = −1, λ5 [56] = −1, λ5 [111] = 1,
λ5 [87] = 1, λ5 [96] = −1.
• j = l0 y i′ = k0
λ4 [1] = −0,5, λ4 [2] = 0,5, λ4 [3] = −0,5, λ4 [4] = 0,5, λ4 [5] = 0,5, λ4 [6] = −0,5,
λ4 [14] = −1, λ4 [23] = 1, λ4 [9] = 1, λ4 [10] = −0,5, λ4 [12] = −0,5, λ4 [16] = 0,5,
λ4 [18] = 0,5, λ4 [22] = −0,5, λ4 [24] = −0,5.

Demostración de Caso 3: Para la consistencia en la definición de bk0 j0 :

−δik0 j0 + γij0 = −δi′ k0 j0 + γi′ j0 ∀i, i′ 6= i0

Fijamos i = l0 (i1 = j) y definimos λ5 [4] = −1, λ5 [18] = 1, λ5 [49] = 1, λ5 [52] = −1,

λ5 [98] = 1, λ5 [102] = −1, λ5 [109] = −1, λ5 [110] = 1.
 141

Demostración de Caso 4: Para la consistencia en la definición de bi0 j0 :

−δii0 j0 + γij0 = −δk0 i0 j0 + γk0 j0 + e ∀i 6= i0 , j0 , k0

Reemplazando e = δi0 k0 j0 − γi0 j0 − δl0 k0 j0 + γl0 j0 , debemos probar

−δii0 j0 + γij0 + δk0 i0 j0 − γk0 j0 − δi0 k0 j0 + γi0 j0 + δl0 k0 j0 − γl0 j0 = 0 ∀i 6= i0 , j0 , k0

Si i 6= l0 (i1 = i), definimos λ5 [52] = 1, λ5 [92] = −1, λ5 [110] = −1, λ5 [119] = 1,

λ5 [41] = 1, λ5 [55] = −1, λ5 [111] = 1, λ5 [39] = −1, λ5 [87] = 1, λ5 [120] = −1.

Si i = l0 , definimos λ5 [107] = 1, λ5 [108] = −1, λ5 [116] = −1, λ5 [119] = 1.

Demostración de Caso 5: Para la consistencia de la definición de bjk0 :

−δijk0 + γik0 = −δj0 jk0 + γj0 k0 − e ∀i 6= j0 , k0 j 6= l0 , j0 , k0

Reemplazando e = δi0 k0 j0 − γi0 j0 − δl0 k0 j0 + γl0 j0 obtenemos

−δijk0 + γik0 + δi0 k0 j0 − γj0 k0 + δj0 jk0 − γi0 j0 − δl0 k0 j0 + γl0 j0 = 0 ∀i 6= j0 , k0 j 6= l0 , j0 , k0

Analizamos varios casos:

• j 6= i0 y i ∈
/ {i0 , l0 } (i1 = i, i2 = j)
λ6 [571] = −1, λ6 [572] = 1, λ6 [698] = 1, λ6 [702] = −1, λ6 [709] = −1, λ6 [710] = 1,
λ6 [185] = −1, λ6 [220] = 1, λ6 [283] = −1, λ6 [274] = 1.
• j 6= i0 y i = i0 (i1 = j)
λ5 [1] = −1, λ5 [4] = 1, λ5 [91] = −1, λ5 [92] = 1, λ5 [97] = 1, λ5 [102] = −1,
λ5 [109] = −1, λ5 [110] = 1, λ5 [38] = −1, λ5 [41] = −1, λ5 [44] = 1, λ5 [107] = 1,
λ5 [59] = −1, λ5 [33] = 1, λ5 [58] = 1, λ5 [106] = −1.
• j 6= i0 y i = l0 (i1 = j)
λ5 [4] = 1, λ5 [18] = −1, λ5 [49] = −1, λ5 [52] = 1, λ5 [91] = −1, λ5 [92] = 1,
λ5 [41] = −1, λ5 [44] = 1, λ5 [59] = −1, λ5 [58] = 1.
• j = i0 y i ∈
/ {i0 , l0 } (i1 = i)
λ5 [91] = −1, λ5 [92] = 1, λ5 [98] = 1, λ5 [102] = −1, λ5 [109] = −1, λ5 [110] = 1,
λ5 [28] = 1, λ5 [41] = −1, λ5 [55] = −1, λ5 [58] = 1.
• j = i0 y i = l0
λ5 [4] = 1, λ5 [18] = −1, λ5 [49] = −1, λ5 [52] = 1, λ5 [91] = −1, λ5 [92] = 1,
λ5 [104] = 1, λ5 [107] = −1, λ5 [69] = −1, λ5 [70] = 1.
Demostración Caso 6: Para la consistencia de la definición de bl0 k0 tenemos dos condi-
ciones:
142 Demostraciones de Definición de Faceta

1. −δil0 k0 + γik0 = −δj0 l0 k0 + γj0 k0 ∀i 6= i0 , j0 , k0 , l0 (i1 = i)

Definimos λ5 [2] = −1, λ5 [4] = 1, λ5 [9] = −1, λ5 [12] = 1, λ5 [49] = −1, λ5 [85] = 1,
λ5 [91] = −1, λ5 [97] = 1, λ5 [35] = −1, λ5 [105] = 1, λ5 [36] = 1, λ5 [66] = 1,
λ5 [82] = 1, λ5 [90] = −1, λ5 [106] = −1, λ5 [118] = −1.
2. −δj0 l0 k0 + γj0 k0 = −δi0 l0 k0 + γi0 k0 + e ∀i 6= i0 , j0 , k0 , l0 (i1 = i)
Definimos λ5 [91] = 1, λ5 [92] = −1, λ5 [98] = −1, λ5 [102] = 1, λ5 [109] = 1,
λ5 [110] = −1.
Caso 7: Para la consistencia de la definición de bj0 k0
−δij0 k0 + γik0 = −δi0 j0 k0 + γi0 k0 + e ∀i 6= i0 , j0 , k0
• i 6= l0 (i1 = i)
λ5 [4] = 1, λ5 [17] = −1, λ5 [49] = −1, λ5 [52] = 1, λ5 [98] = −1, λ5 [102] = 1,
λ5 [109] = 1, λ5 [110] = −1, λ5 [115] = 1, λ5 [116] = −1.
• i = l0
λ5 [4] = −1, λ5 [7] = 1, λ5 [9] = 1, λ5 [10] = −1, λ5 [13] = −1, λ5 [18] = 1, λ5 [73] = 1,
λ5 [75] = −1, λ5 [98] = 1, λ5 [99] = −1.
Demostración Caso 8: Hay tres alternativas:
1. i, j ∈
/ {i0 , j0 , k0 , l0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . jn−7 vi0 vj0 vk0 vl0 vk vj vi
2: v0 vj1 . . . jn−7 vi0 vj0 vk0 vl0 vk vi vj
con {vj1 , . . . , vjn−7 } = V \ {vi0 , vj0 , vk0 , vl0 , vk .vi , vj }. Definiendo λ = (1, −1) surge
la igualdad deseada.
2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 , l0 }
En los caminos P R anteriores suprimir el cliente correspondiente y considerar los
mismos coeficientes λ.
3. Los dos ı́ndices i, j pertenecen a {i0 , j0 , k0 , l0 }
En los caminos P R anteriores suprimir los dos clientes vi , vj . En el caso que
i, j = {k0 , l0 }, considerar a vk como vj0 . En todos los casos usar los mismos
multiplicadores λ.
Demostración Caso 9: La definción de ai0 j0 es consistente:
ai0 j0 = αj0 i0 − bj0 i0 − cj0 i0

λ5 [1] = 0,5, λ5 [2] = −0,5, λ5 [3] = 0,5, λ5 [4] = −0,5, λ5 [5] = −0,5, λ5 [6] = 0,5,
λ5 [20] = −1, λ5 [11] = 1, λ5 [10] = −0,5, λ5 [12] = −0,5, λ5 [16] = −0,5, λ5 [18] = 0,5,
λ5 [22] = 0,5, λ5 [24] = 0,5.
 143

Demostración Caso 10: La definción de aj0 k0 es consistente:

aj0 k0 = αk0 j0 − bk0 j0 − ck0 j0

Sean las soluciones de CR definidas por los siguientes caminos P R:

1: v0 vj1 . . . jn−5 vi0 vl0 vk vj0 vk0

2: v0 vj1 . . . jn−5 vi0 vl0 vk vk0 vj0

con {vj1 , . . . , vjn−5 } = V \{vi0 , vj0 , vl0 , vk0 , vk }. Definiendo λ = (1, −1) surge la igualdad
deseada.

Demostración Caso 11: Debemos probar que

n
X n
X
βi + γki′ − δjik − δkir = βi′ + γki − δji′ k − δki′ r
r=1 r6=i,k r=1 r6=i′ ,k

Podemos asumir j, k 6= i0 , j0 , l0 , k0 .
Si i, i′ 6= i0 , j0 , l0 , k0 , consideramos los caminos P R
1: v0 vi vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj 5: v0 vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vj
2: v0 vk vi vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vj 6: v0 vk vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi vj
3: v0 vk vj vi vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 7: v0 vk vj vi′ vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi
4: v0 vj vi vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 8: v0 vj vi′ vk vj1 . . . vjn−8 vi0 vj0 vk0 vl0 vi

con {vj1 , . . . , vjn−8 } = V \ {vi , vi′ , vj , vk , vi0 , vj0 , vk0 , vl0 }.

Definiendo λ = (1, −1, 1, −1, −1, 1, −1, 1) se obtiene la igualdad deseada.
Para lo siguientes casos sea {vj1 , . . . , vjn−7 } = V \ {vi , vi0 , vj , vk , vj0 , vk0 , vl0 }.

• Si i = i0 , en los caminos anteriores reemplazamos vi0 vj0 vk0 vl0 por vj0 vl0 .
• Si i′ = j0 , reemplazamos por vi0 vl0 vk0 .
• Si i′ = l0 , reemplazamos por vi0 vj0 vk0 .
• Si i′ = k0 , reemplazamos por vj0 vi0 vl0 .

En los tres casos con λ = (1, −1, 1, −1, −1, 1, −1, 1) obtenemos la igualdad deseada.

✷
144 Demostraciones de Definición de Faceta

Proposición A.8 (3-diciclo-1) Sean i0 , j0 , k0 ∈ {1, . . . , n} tres ı́ndices distintos. La desi-

gualdad
xi0 j0 + xj0 k0 + xk0 i0 + fij00k0 + fji00i0 ≤ 2
define una faceta de CR.

Demostración:
Veamos que la desigualdad determina una faceta. Vamos a suponer que i0 < j0 < k0 . De-
bemos encontrar multiplicadores aij vi , j = 1, . . . , n i < j (correspondientes a las ecuaciones
4.1), bij vi , j = 1, . . . , n i 6= j (ecuaciones 4.2), cij vi , j = 1, . . . , n i 6= j (ecuaciones 4.3), d
(ecuación 4.4) y e (ecuación 3-dicycle-1) tales que:

αij = aij + bij + cij (∀i < j (i, j) 6= (i0 , j0 ), (j0 , k0 ))

αji = aij + bji + cji (∀i < j (i, j) 6= (i0 , k0 ))

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 + e

αj0 k0 = aj0 k0 + bj0 k0 + cj0 k0 + e

αk0 i0 = ai0 k0 + bk0 i0 + ck0 i0 + e

γij = −cij (∀(i, j) 6= (j0 , i0 ))

γj0 i0 = −cj0 i0 + e

δijk = −cik − bjk (∀(i, j, k) 6= (i0 , k0 , j0 ))

δi0 k0 j0 = −ci0 j0 − bk0 j0 + e

βi = d − nr=1 r6=i bir

P

Definimos:

e = δi0 k0 j0 − γi0 j0 − δik0 j0 + γij0 para algún i 6= i0

cij = −γij para todo (i, j) 6= (j0 , i0 )

cj0 i0 = −γj0 i0 + e

bjk = −δijk + cik para algún i tal que (i, j, k) 6= (i0 , k0 , j0 )

aij = αij − bij − cij para todo i < j (i, j) 6= (i0 , j0 ), (j0 , k0 )

ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e

aj0 k0 = αj0 k0 − bj0 k0 − cj0 k0 + e

 145
Pn
d = βi + r=1r6=i bir para algún i

Para que las definiciones anteriores sean correctas y consistentes, debemos ver que:
Caso 1: La definición de bjk no depende del i. Para todo (i, k) 6= (j0 , i0 ), (i, j, k) 6=
(i0 , k0 , j0 ) tenemos que probar que

−δijk + γik = −δi′ jk + γik

Caso 2: La definición de bji0 es consistente cuando consideramos j0 . O sea, −δiji0 −cii0 =

−δj0 ji0 − cj0 i0 , para todo j 6= i0 , j0 . Reemplazando cii0 y cj0 i0 por sus definiciones,
debemos probar para cualquier i′ 6= i0 , j0 , k0 :

−δiji0 + γii0 = −δj0 ji0 + γj0 i0 − δi0 k0 j0 + γi0 j0 + δi′ k0 j0 − γi′ j0

Caso 3: La definición de aij cumple las condiciones necesarias. Se debe cumplir aij =
αji − bji − cji. Entonces debemos ver, ∀i < j, (i, j) 6= (i0 , j0 ), (j0 , k0 ), (i0 , k0 ), que

αij − bij − cij = αji − bji − cji

Caso 4: Para ai0 j0 , aj0 k0 y ak0 i0 , debe cumplirse

αi0 j0 − bi0 j0 − ci0 j0 − e = αj0 i0 − bj0 i0 − cj0 i0

αj0 k0 − bj0 k0 − cj0 k0 − e = αk0 j0 − bk0 j0 − ck0 j0

αi0 k0 − bi0 k0 − ci0 k0 = αk0 i0 − bk0 i0 − ck0 i0 − e

Caso 5: La definición de d no depende del i:

n
X n
X
βi + bir = βi′ + bi′ r
r=1r6=i r=1r6=i′

Probamos cada condición:

Demostración Caso 1: Analizamos las cuatro posibilidades:
1. i, j, k, i′ ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vj vi vi′ 7: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi vi′ vk
2: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vj vi′ vi 8: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi′ vi vk
3: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi vj vi′ 9: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vj vi′ vk
4: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi vi′ vj 10: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vi′ vj vk
5: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi′ vj vi 11: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vj vi vk
6: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi′ vi vj 12: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vi vj vk
146 Demostraciones de Definición de Faceta

con {vj1 , . . . , vjn−7 } = V \ {vi0 , vj0 , vk0 , vi , vi′ , vj , vk }. Definiendo

1 1 1 1 1 1 1 1 1 1 1 1
λ = ( ,− , ,− ,− , ,− , ,− , , ,− )
2 2 2 2 2 2 2 2 2 2 2 2
surge la igualdad deseada.
2. Exactamente uno de los ı́ndices i, j, k, i′ pertenece a {i0 , j0 , k0 }
Consideramos los caminos P R y λ anteriores suprimiendo el cliente vi0 , vj0 o vk0 ,
según sea el caso.
3. Exactamente dos de los ı́ndices i, j, k, i′ pertenecen a {i0 , j0 , k0 }
Las alternativas que se pueden presentar son:
• i = i0 j = j0 (i1 = k, i2 = i′ )
λ5 [2] = −1,λ5 [3] = 1,λ5 [91] = 1,λ5 [98] = −1,λ5 [35] = 1,λ5 [40] = −1, λ5 [94] =
−1,λ5 [108] = 1.
• i = i0 k = j0 (i1 = j, i2 = i′ )
λ5 [13] = −1,λ5 [23] = 1,λ5 [86] = −1,λ5 [119] = 1,λ5 [27] = 1,λ5 [30] = −1,
λ5 [81] = 1,λ5 [118] = −1 .
• i = i0 i′ = j0 (i1 = j, i2 = k)
λ5 [7] = 1,λ5 [11] = −1,λ5 [75] = −1,λ5 [76] = 1,λ5 [55] = −1,λ5 [69] = 1,
λ5 [87] = 1,λ5 [90] = −1 .
• i = i0 j = k0 (i1 = k, i2 = i′ )
λ5 [29] = 1,λ5 [80] = −1,λ5 [93] = 1,λ5 [103] = −1,λ5 [32] = −1,λ5 [105] = 1,
λ5 [81] = 1,λ5 [94] = −1 .
• i = i0 k = k0 (i1 = j, i2 = i′ )
λ5 [17] = −1,λ5 [23] = 1,λ5 [52] = 1,λ5 [54] = −1,λ5 [80] = −1,λ5 [93] = 1,
λ5 [63] = 1,λ5 [66] = −1 .
• i = i0 i′ = k0 (i1 = j, i2 = k)
λ5 [25] = 1,λ5 [79] = −1,λ5 [103] = −1,λ5 [117] = 1,λ5 [31] = −1,λ5 [105] = 1,
λ5 [81] = 1,λ5 [118] = −1 .
• i = j0 j = i0 (i1 = k, i2 = i′ )
λ5 [53] = 1,λ5 [86] = −1,λ5 [32] = −1,λ5 [35] = 1,λ5 [69] = −1,λ5 [81] = 1,
λ5 [82] = −1,λ5 [90] = 1 .
• i = j0 j = k0 (i1 = k, i2 = i′ )
λ5 [50] = −1,λ5 [61] = 1,λ5 [109] = 1,λ5 [113] = −1,λ5 [33] = −1,λ5 [81] = 1,
λ5 [46] = 1,λ5 [84] = −1 .
• i = j0 k = k0 (i1 = j, i2 = i′ )
λ5 [6] = 1,λ5 [8] = −1,λ5 [74] = −1,λ5 [75] = 1,λ5 [98] = −1,λ5 [99] = 1,
λ5 [115] = 1,λ5 [116] = −1 .
• i = j0 i′ = k0 (i1 = j, i2 = k)
λ5 [1] = 1,λ5 [19] = −1,λ5 [49] = −1,λ5 [53] = 1,λ5 [73] = −1,λ5 [77] = 1,
λ5 [85] = 1,λ5 [86] = −1 .
 147

• i = k0 j = i0 (i1 = k, i2 = i′ )
λ5 [2] = −1,λ5 [11] = 1,λ5 [73] = 1,λ5 [76] = −1,λ5 [97] = 1,λ5 [99] = −1,
λ5 [115] = −1,λ5 [116] = 1 .
• i = k0 k = i0 (i1 = j, i2 = i′ )
λ5 [26] = −1,λ5 [79] = 1,λ5 [93] = −1,λ5 [103] = 1,λ5 [36] = 1,λ5 [82] = −1,
λ5 [94] = 1,λ5 [106] = −1 .
• i = k0 j = j0 (i1 = k, i2 = i′ )
λ5 [2] = −1,λ5 [11] = 1,λ5 [73] = 1,λ5 [76] = −1,λ5 [97] = 1,λ5 [99] = −1,
λ5 [115] = −1,λ5 [116] = 1 .
• i = k0 k = j0 (i1 = j, i2 = i′ )
λ5 [2] = −1,λ5 [12] = 1,λ5 [73] = 1,λ5 [76] = −1,λ5 [91] = −1,λ5 [92] = 1,
λ5 [97] = 1,λ5 [100] = −1 .
4. {i0 , j0 , k0 } ⊂ {i, j, k, i′ } Debemos considerar las siguientes alternativas:
• i = i0 , j = j0 y k = k0 (i1 = i′ )
λ4 [1] = − 21 , λ4 [3] = − 21 , λ4 [5] = 1, λ4 [13] = 21 , λ4 [14] = −1, λ4 [19] = − 12 ,
λ4 [20] = 21 , λ4 [23] = 21 , λ4 [7] = 12 , λ4 [8] = −1, λ4 [21] = 21 , λ4 [9] = 21 ,
λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 21 .
• i = i0 , j = j0 y i′ = k0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = − 12 , λ4 [19] = 21 , λ4 [20] = − 21 , λ4 [23] = 12 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 12 .
• i = i0 , k = j0 y i′ = k0 (i1 = j)
λ4 [1] = − 21 , λ4 [3] = − 12 , λ4 [4] = 1, λ4 [13] = 12 , λ4 [14] = −1, λ4 [19] = 12 ,
λ4 [20] = − 21 , λ4 [23] = 12 , λ4 [7] = − 21 , λ4 [21] = 12 , λ4 [9] = 12 , λ4 [15] = 12 ,
λ4 [22] = − 21 , λ4 [24] = − 12 .
• i = i0 , j = k0 y i′ = j0 (i1 = k)
λ4 [1] = 21 , λ4 [3] = − 21 , λ4 [13] = − 12 , λ4 [19] = − 21 , λ4 [20] = 21 , λ4 [23] = 12 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 12 .
• i = i0 , k = k0 y i′ = j0 (i1 = j)
λ4 [1] = − 21 , λ4 [2] = 1, λ4 [3] = − 12 , λ4 [13] = − 12 , λ4 [19] = − 12 , λ4 [20] = 21 ,
λ4 [23] = 21 , λ4 [7] = 21 , λ4 [8] = −1, λ4 [21] = 12 , λ4 [9] = 12 , λ4 [15] = 21 ,
λ4 [22] = − 21 , λ4 [24] = − 12 .
• i = j0 , j = i0 y k = k0 (i1 = i′ )
λ4 [1] = − 21 , λ4 [3] = − 12 , λ4 [5] = 1, λ4 [13] = 21 , λ4 [14] = −1, λ4 [17] = −1,
λ4 [19] = 12 , λ4 [20] = 21 , λ4 [23] = 12 , λ4 [7] = 21 , λ4 [8] = −1, λ4 [21] = − 12 ,
λ4 [9] = 12 , λ4 [15] = 21 , λ4 [18] = 1, λ4 [22] = − 21 , λ4 [24] = − 12 .
• i = j0 , j = i0 y i′ = k0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 21 , λ4 [23] = − 21 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = − 12 , λ4 [22] = − 21 , λ4 [24] = 12 .
• i = j0 , j = k0 y i′ = i0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 21 , λ4 [23] = − 21 ,
148 Demostraciones de Definición de Faceta

λ4 [7] = 12 , λ4 [21] = − 21 , λ4 [9] = − 12 , λ4 [15] = − 21 , λ4 [22] = 21 , λ4 [24] = 12 .

• i = j0 , k = k0 y i′ = i0 (i1 = j)
λ4 [1] = 21 , λ4 [2] = −1, λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 12 ,
λ4 [23] = − 12 , λ4 [7] = − 21 , λ4 [8] = 1, λ4 [21] = − 12 , λ4 [9] = − 21 , λ4 [15] = − 12 ,
λ4 [22] = 12 , λ4 [24] = 21 .
• i = k0 , j = i0 y k = j0 (i1 = i′ )
λ4 [1] = 21 , λ4 [3] = 21 , λ4 [4] = −1, λ4 [13] = − 12 , λ4 [17] = 1, λ4 [19] = − 12 ,
λ4 [20] = 12 , λ4 [23] = − 21 , λ4 [7] = 21 , λ4 [21] = − 21 , λ4 [9] = 12 , λ4 [15] = − 21 ,
λ4 [10] = −1, λ4 [22] = 12 , λ4 [24] = 21 .
• i = k0 , j = i0 y i′ = j0 (i1 = k)
λ4 [1] = 21 , λ4 [3] = − 21 , λ4 [13] = − 12 , λ4 [19] = − 21 , λ4 [20] = 21 , λ4 [23] = 12 ,
λ4 [7] = 12 , λ4 [21] = − 21 , λ4 [9] = − 12 , λ4 [15] = 21 , λ4 [22] = 21 , λ4 [24] = − 12 .
• i = k0 , j = j0 y k = i0 (i1 = i′ )
λ4 [1] = 21 , λ4 [3] = 12 , λ4 [4] = −1, λ4 [13] = − 21 , λ4 [19] = − 21 , λ4 [20] = 12 ,
λ4 [23] = 12 , λ4 [7] = 21 , λ4 [21] = − 12 , λ4 [9] = 12 , λ4 [15] = − 12 , λ4 [10] = −1,
λ4 [18] = 1, λ4 [22] = 21 , λ4 [24] = − 12 .
• i = k0 , j = j0 y i′ = i0 (i1 = k)
λ4 [1] = 21 , λ4 [3] = − 21 , λ4 [13] = 12 , λ4 [19] = − 21 , λ4 [20] = 12 , λ4 [23] = − 21 ,
λ4 [7] = 12 , λ4 [21] = − 21 , λ4 [9] = − 12 , λ4 [15] = − 21 , λ4 [22] = 21 , λ4 [24] = 12 .
• i = k0 , k = j0 y i′ = i0 (i1 = j)
λ4 [1] = 21 , λ4 [3] = 21 , λ4 [4] = −1, λ4 [13] = − 12 , λ4 [14] = 1, λ4 [19] = − 12 ,
λ4 [20] = 12 , λ4 [23] = − 21 , λ4 [7] = 21 , λ4 [21] = − 12 , λ4 [9] = − 21 , λ4 [15] = − 12 ,
λ4 [22] = 12 , λ4 [24] = 21 .

Demostración Caso 2: Debemos considerar 3 posibilidades.

1. i 6= i0 , j0 , k0 (i1 = i, i2 = j). Por el Caso 1 podemos utilizar i = i′

λ5 [2] = 1,λ5 [6] = −1,λ5 [10] = 1, λ5 [19] = −1,λ5 [54] = 1,λ5 [119] = −1, λ5 [26] =
−1, λ5 [30] = 1, λ5 [32] = −1, λ5 [48] = 1, λ5 [66] = −1,λ5 [106] = 1 .
2. i = k0 y j 6= k0 (i1 = j, i2 = i′ ). Asumimos i′ ∈/ {i0 , j0 , k0 }
λ5 [2] = 1,λ5 [4] = −1,λ5 [10] = 1, λ5 [19] = −1,λ5 [62] = 1,λ5 [113] = −1, λ5 [26] =
−1, λ5 [29] = 1, λ5 [33] = −1, λ5 [42] = 1, λ5 [66] = −1,λ5 [106] = 1 .
3. j = k0 y i 6= k0 (i1 = i, i2 = i′ ). Asumimos i′ ∈
/ {i0 , j0 , k0 }
λ5 [12] = 1,λ5 [13] = −1,λ5 [52] = 1, λ5 [95] = −1,λ5 [26] = −1,λ5 [27] = 1, λ5 [31] =
−1, λ5 [39] = −1, λ5 [81] = 1, λ5 [36] = 1, λ5 [42] = 1,λ5 [72] = −1 .

Demostración Caso 3: Hay dos alternativas:

/ {i0 , j0 , k0 }
1. i, j ∈
Sean las soluciones de CR definidas por los siguientes caminos P R:
 149

1: v0 vj1 . . . jn−5 vi0 vj0 vk0 vk vj vi

2: v0 vj1 . . . jn−5 vi0 vj0 vk0 vk vi vj
con {vj1 , . . . , vjn−5 } = V \ {vi0 , vj0 , vk0 , vi , vj }. Definiendo λ = (1, −1) surge la
igualdad deseada.
2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 }
En los caminos P R y λ anteriores suprimir el cliente correspondiente, y en el caso
de j0 invertir el orden de vk0 y vi0 .
Demostración Caso 4:
1. La primera igualdad que debemos probar es
αi0 j0 + δii0 j0 − γij0 + γi0 j0 − γj0 i0 = αj0 i0 + δij0 i0 − γii0
Para esto, definimos λ = (1, −1) y consideramos las soluciones CR dadas por los
siguientes caminos P R:
1: v0 vj1 . . . vjn−4 vk0 vi vi0 vj0
2: v0 vj1 . . . vjn−4 vk0 vi vj0 vi0
donde {vj1 , . . . , vjn−4 } = V \ {vi , vi0 , vj0 , vk0 }.
2. Para demostrar la segunda igualdad,
αj0 k0 + δij0 k0 − γik0 + γj0 k0 − δi0 k0 j0 + γi0 j0 = αk0 j0 + γk0 j0
Consideramos (i1 = i) λ4 [1] = − 12 , λ4 [3] = − 21 , λ4 [4] = 1, λ4 [7] = − 12 , λ4 [9] = − 21 ,
λ4 [10] = 1, λ4 [13] = 12 , λ4 [15] = 21 .
3. La tercera igualdad es
αk0 i0 + δik0 i0 − γii0 + γk0 i0 − δi0 k0 j0 + γi0 j0 + δik0 j0 − γij0 = αi0 k0 + δii0 k0 − γik0 + γi0 k0

En este caso, definimos (i1 = i) λ4 [17] = −1, λ4 [19] = 12 , λ4 [20] = 12 , λ4 [21] = 21 ,

λ4 [22] = − 12 , λ4 [23] = − 12 , λ4 [24] = − 21 .
Demostración Caso 5: Debemos probar, para todo k, j 6= i0 , j0 , k0 , que
n
X n
X
βi + γki′ − δjik − δkir = βi′ + γki − δjik − δki′ r
r=1,r6=k,i r=1,r6=k,i′

1. i, i′ ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vi vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vj ′ 5: v0 vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vi vj ′
2: v0 vk vi vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vj ′ 6: v0 vk vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vi vj ′
3: v0 vk vj ′ vi vi′ vi0 vj0 vk0 vj1 . . . vjn−7 7: v0 vk vj ′ vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vi
4: v0 vj ′ vi vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 8: v0 vj ′ vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vi
150 Demostraciones de Definición de Faceta

con {vj1 , . . . , vjn−7 } = V \ {vi , vi′ , vj , vk , vi0 , vj0 , vk0 }. Para probar la igualdad de-
seada definimos λ = (1, −1, 1, −1, −1, 1, −1, 1).
2. i, i′ ∈ {i0 , j0 , k0 }

• i′ = i0 Suprimir de los caminos P R anteriores a vi0 y considerar el mismo λ.

• i′ = j0 En los caminos P R reemplzar vi0 vj0 vk0 por vk0 vi0 y considerar el
mismo λ.
• i′ = k0 Suprimir de los caminos P R anteriores a vk0 y considerar el mismo λ.

Proposición A.9 (3-diciclo-2) Sean i0 , j0 , k0 ∈ {1, . . . , n} tres ı́ndices distintos. La desi-

gualdad
xi0 j0 + xj0 k0 + xk0 i0 + fki00 j0 + fij00k0 + fjk00i0 ≤ 2
define una faceta de CR.

Demostración:
Igual que en la demostración anterior, vamos a suponer que i0 < j0 < k0 . Debemos encontrar
multiplicadores aij vi , j = 1, . . . , n i < j (correspondientes a las ecuaciones 4.1), bij vi , j =
1, . . . , n i 6= j (ecuaciones 4.2), cij vi , j = 1, . . . , n i 6= j (ecuaciones 4.3), d (ecuación 4.4) y e
(ecuación 3-dicycle-1) tales que:

αij = aij + bij + cij (∀i < j (i, j) 6= (i0 , j0 ), (j0 , k0 ))

αji = aij + bji + cji (∀i < j (i, j) 6= (i0 , k0 ))

αi0 j0 = ai0 j0 + bi0 j0 + ci0 j0 + e

αj0 k0 = aj0 k0 + bj0 k0 + cj0 k0 + e

αk0 i0 = ai0 k0 + bk0 i0 + ck0 i0 + e

γij = −cij (∀(i, j))

δijk = −cik − bjk (∀(i, j, k) 6= (i0 , k0 , j0 ), (k0 , j0 , i0 ), (j0 , i0 , k0 ))

δi0 k0 j0 = −ci0 j0 − bk0 j0 + e

δk0 j0 i0 = −ck0 i0 − bj0 i0 + e

δj0 i0 k0 = −cj0 k0 − bi0 k0 + e

βi = d − nr=1 r6=i bir

P
 151

Definimos:

e = δk0 j0 i0 + ck0 i0 + bj0 i0

cij = −γij para todo (i, j) 6= (j0 , i0 )

bjk = −δijk + cik para algún i tal que (i, j, k) 6= (i0 , k0 , j0 ), (k0 , j0 , i0 ), (j0 , i0 , k0 )

aij = αij − bij − cij para todo i < j (i, j) 6= (i0 , j0 ), (j0 , k0 )

ai0 j0 = αi0 j0 − bi0 j0 − ci0 j0 + e

aj0 k0 = αj0 k0 − bj0 k0 − cj0 k0 + e

d = βi + nr=1r6=i bir para algún i

P

Para que las definiciones anteriores sean correctas y consistentes, debemos ver que:
Caso 1: La definicón de bjk no depende del i. Para todo (i, j, k) 6= (i0 , k0 , j0 ), (k0 , j0 , i0 ), (j0 , i0 , k0 )
tenemos que probar que
−δijk + γik = −δi′ jk + γik

Caso 2: La definición de e es consistente.

δk0 j0 i0 + ck0 i0 + bj0 i0 = δi0 k0 j0 + ci0 j0 + bk0 j0 = δj0 i0 k0 + cj0 k0 + bi0 k0

Caso 3: La definición de aij cumple las condiciones necesarias. Se debe cumplir aij =
αji − bji − cji. Entonces debemos ver, ∀i < j, (i, j) 6= (i0 , j0 ), (j0 , k0 ), (i0 , k0 ), que

αij − bij − cij = αji − bji − cji

Caso 4: Para ai0 j0 , aj0 k0 y ak0 i0 , debe cumplirse

αi0 j0 − bi0 j0 − ci0 j0 − e = αj0 i0 − bj0 i0 − cj0 i0

αj0 k0 − bj0 k0 − cj0 k0 − e = αk0 j0 − bk0 j0 − ck0 j0

αi0 k0 − bi0 k0 − ci0 k0 = αk0 i0 − bk0 i0 − ck0 i0 − e

Caso 5: La definición de d no depende del i:

n
X n
X
βi + bir = βi′ + bi′ r
r=1r6=i r=1r6=i′

Probamos cada condición:

Demostración Caso 1: Analizamos las cuatro posibilidades:
152 Demostraciones de Definición de Faceta

1. i, j, k, i′ ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vj vi vi′ 7: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi vi′ vk
2: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vj vi′ vi 8: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vj vi′ vi vk
3: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi vj vi′ 9: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vj vi′ vk
4: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi vi′ vj 10: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi vi′ vj vk
5: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi′ vj vi 11: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vj vi vk
6: v0 vj1 . . . jn−7 vi0 vj0 vk0 vk vi′ vi vj 12: v0 vj1 . . . vjn−7 vi0 vj0 vk0 vi′ vi vj vk
con {vj1 , . . . , vjn−7 } = V \ {vi0 , vj0 , vk0 , vi , vi′ , vj , vk }. Definiendo
1 1 1 1 1 1 1 1 1 1 1 1
λ = ( ,− , ,− ,− , ,− , ,− , , ,− )
2 2 2 2 2 2 2 2 2 2 2 2
surge la igualdad deseada.
2. Exactamente uno de los ı́ndices i, j, k, i′ pertenece a {i0 , j0 , k0 }
Consideramos los caminos P R y λ anteriores suprimiendo el cliente vi0 , vj0 o vk0 ,
según sea el caso.
3. Exactamente dos de los ı́ndices i, j, k, i′ pertenecen a {i0 , j0 , k0 }
Las alternativas que se pueden presentar son:
• i = i0 , j = j0 (i1 = k, i2 = i′ )
λ5 [2] = −1, λ5 [3] = 1, λ5 [91] = 1, λ5 [98] = −1, λ5 [35] = 1, λ5 [40] = −1,
λ5 [94] = −1, λ5 [108] = 1.
• i = i0 , k = j0 (i1 = j, i2 = i′ )
λ5 [54] = 1, λ5 [62] = −1, λ5 [110] = −1, λ5 [113] = 1, λ5 [32] = −1, λ5 [45] = 1,
λ5 [33] = 1, λ5 [46] = −1.
• i = i0 , i′ = j0 (i1 = j, i2 = k)
λ5 [3] = 1, λ5 [13] = −1, λ5 [85] = −1, λ5 [98] = −1, λ5 [101] = 1, λ5 [119] = 1,
λ5 [81] = 1, λ5 [118] = −1.
• i = i0 , j = k0 (i1 = k, i2 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [92] = 1, λ5 [95] = −1, λ5 [99] = −1, λ5 [109] = 1,
λ5 [59] = 1, λ5 [88] = −1.
• i = i0 , k = k0 (i1 = j, i2 = i′ )
λ5 [30] = 1, λ5 [80] = −1, λ5 [104] = −1, λ5 [117] = 1, λ5 [32] = −1, λ5 [105] = 1,
λ5 [81] = 1, λ5 [118] = −1.
• i = i0 , i′ = k0 (i1 = j, i2 = k)
λ5 [25] = 1, λ5 [79] = −1, λ5 [103] = −1, λ5 [117] = 1, λ5 [31] = −1, λ5 [105] = 1,
λ5 [81] = 1, λ5 [118] = −1.
• i = j0 , j = i0 (i1 = k, i2 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [95] = −1, λ5 [109] = 1, λ5 [59] = 1, λ5 [111] = −1,
λ5 [88] = −1, λ5 [96] = 1.
 153

• i = j0 , k = i0 (i1 = j, i2 = i′ )
λ5 [50] = −1, λ5 [85] = 1, λ5 [109] = 1, λ5 [119] = −1, λ5 [60] = 1, λ5 [88] = −1,
λ5 [112] = −1, λ5 [120] = 1.
• i = j0 , j = k0 (i1 = k, i2 = i′ )
λ5 [53] = 1, λ5 [62] = −1, λ5 [95] = −1, λ5 [113] = 1, λ5 [32] = −1, λ5 [33] = 1,
λ5 [94] = 1, λ5 [106] = −1.
• i = j0 , k = k0 (i1 = j, i2 = i′ )
λ5 [17] = 1, λ5 [20] = −1, λ5 [52] = −1, λ5 [53] = 1, λ5 [28] = −1, λ5 [30] = 1,
λ5 [55] = 1, λ5 [56] = −1.
• i = j0 , i′ = k0 (i1 = j, i2 = k)
λ5 [1] = 1, λ5 [7] = −1, λ5 [73] = −1, λ5 [75] = 1, λ5 [91] = 1, λ5 [92] = −1,
λ5 [97] = −1, λ5 [99] = 1.
• i = k0 , j = i0 (i1 = k, i2 = i′ )
λ5 [2] = −1, λ5 [19] = 1, λ5 [53] = −1, λ5 [67] = 1, λ5 [73] = 1, λ5 [77] = −1,
λ5 [86] = 1, λ5 [89] = −1.
• i = k0 , k = i0 (i1 = j, i2 = i′ )
λ5 [2] = −1, λ5 [3] = 1, λ5 [97] = 1, λ5 [98] = −1, λ5 [36] = 1, λ5 [40] = −1,
λ5 [106] = −1, λ5 [108] = 1.
• i = k0 , j = j0 (i1 = k, i2 = i′ )
λ5 [2] = −1, λ5 [11] = 1, λ5 [73] = 1, λ5 [76] = −1, λ5 [97] = 1, λ5 [99] = −1,
λ5 [115] = −1, λ5 [116] = 1.
• i = k0 , k = j0 (i1 = j, i2 = i′ )
λ5 [2] = −1, λ5 [12] = 1, λ5 [73] = 1, λ5 [76] = −1, λ5 [97] = 1, λ5 [100] = −1,
λ5 [115] = −1, λ5 [116] = 1.
4. {i0 , j0 , k0 } ⊂ {i, j, k, i′ } Debemos considerar las siguientes alternativas:
• i = i0 , j = j0 y k = k0 (i1 = i′ )
λ4 [1] = − 21 , λ4 [3] = − 21 , λ4 [5] = 1, λ4 [13] = 21 , λ4 [14] = −1, λ4 [19] = − 12 ,
λ4 [20] = 21 , λ4 [23] = 21 , λ4 [7] = 12 , λ4 [8] = −1, λ4 [21] = 21 , λ4 [9] = 21 ,
λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 21 .
• i = i0 , j = j0 y i′ = k0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = − 12 , λ4 [19] = 21 , λ4 [20] = − 21 , λ4 [23] = 12 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 12 .
• i = i0 , k = j0 y i′ = k0 (i1 = j)
λ4 [1] = − 21 , λ4 [3] = − 12 , λ4 [4] = 1, λ4 [13] = 12 , λ4 [14] = −1, λ4 [19] = 12 ,
λ4 [20] = − 21 , λ4 [23] = 12 , λ4 [7] = − 21 , λ4 [21] = 12 , λ4 [9] = 12 , λ4 [15] = 12 ,
λ4 [22] = − 21 , λ4 [24] = − 12 .
• i = i0 , j = k0 y i′ = j0 (i1 = k)
λ4 [1] = 21 , λ4 [3] = − 21 , λ4 [13] = − 12 , λ4 [19] = − 21 , λ4 [20] = 21 , λ4 [23] = 12 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = 21 , λ4 [22] = − 12 , λ4 [24] = − 12 .
154 Demostraciones de Definición de Faceta

• i = i0 , k = k0 y i′ = j0 (i1 = j)
λ4 [1] = − 21 , λ4 [2] = 1, λ4 [3] = − 12 , λ4 [13] = − 12 , λ4 [19] = − 12 , λ4 [20] = 21 ,
λ4 [23] = 21 , λ4 [7] = 21 , λ4 [8] = −1, λ4 [21] = 12 , λ4 [9] = 12 , λ4 [15] = 21 ,
λ4 [22] = − 21 , λ4 [24] = − 12 .
• i = j0 , j = i0 y i′ = k0 (i1 = k)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 21 , λ4 [23] = − 21 ,
λ4 [7] = − 21 , λ4 [21] = 21 , λ4 [9] = 21 , λ4 [15] = − 12 , λ4 [22] = − 21 , λ4 [24] = 12 .
• i = j0 , k = i0 y i′ = k0 (i1 = j)
λ4 [1] = − 21 , λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 21 , λ4 [23] = − 21 ,
λ4 [7] = − 12 , λ4 [21] = 12 , λ4 [9] = − 21 , λ4 [15] = 12 , λ4 [10] = 1, λ4 [16] = −1,
λ4 [22] = − 12 , λ4 [24] = 12 .
• i = j0 , j = k0 y k = i0 (i1 = i′ )
λ4 [1] = 21 , λ4 [2] = −1, λ4 [3] = 21 , λ4 [13] = 12 , λ4 [19] = 12 , λ4 [20] = − 12 ,
λ4 [23] = − 21 , λ4 [7] = − 12 , λ4 [21] = 21 , λ4 [9] = − 12 , λ4 [15] = 21 , λ4 [12] = 1,
λ4 [16] = −1, λ4 [22] = − 21 , λ4 [24] = 12 .
• i = k0 , j = i0 y k = j0 (i1 = i′ )
λ4 [1] = 21 , λ4 [3] = 21 , λ4 [4] = −1, λ4 [13] = − 12 , λ4 [17] = 1, λ4 [19] = − 12 ,
λ4 [20] = 12 , λ4 [23] = − 21 , λ4 [7] = 21 , λ4 [21] = − 21 , λ4 [9] = 12 , λ4 [15] = − 21 ,
λ4 [10] = −1, λ4 [22] = 12 , λ4 [24] = 21 .
Demostración Caso 2: Para ver que

δk0 j0 i0 + ck0 i0 + bj0 i0 = δi0 k0 j0 + ci0 j0 + bk0 j0

definimos λ4 [1] = −1, λ4 [2] = 1, λ4 [3] = −1, λ4 [5] = 1, λ4 [7] = 1, λ4 [8] = −1, λ4 [9] = 1,
λ4 [12] = −1.
Para la condición

δk0 j0 i0 + ck0 i0 + bj0 i0 = δj0 i0 k0 + cj0 k0 + bi0 k0

definimos λ4 [1] = −1, λ4 [3] = −1, λ4 [4] = 1, λ4 [5] = 1, λ4 [13] = 1, λ4 [14] = −1,
λ4 [17] = −1, λ4 [19] = 1, λ4 [8] = −1, λ4 [15] = 1, λ4 [10] = 1, λ4 [22] = −1.
Demostración Caso 3: Hay dos alternativas:

1. i, j ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:

1: v0 vj1 . . . jn−5 vi0 vj0 vk0 vk vj vi

2: v0 vj1 . . . jn−5 vi0 vj0 vk0 vk vi vj
con {vj1 , . . . , vjn−5 } = V \ {vi0 , vj0 , vk0 , vi , vj }. Definiendo λ = (1, −1) surge la
igualdad deseada.
 155

2. Exactamente uno de los ı́ndices i, j pertenece a {i0 , j0 , k0 }

En los caminos P R y λ anteriores suprimir el cliente correspondiente, y en el caso
de j0 invertir el orden de vk0 y vi0 .

Demostración Caso 4:

1. La primera igualdad que debemos probar es

αi0 j0 + δii0 j0 + γi0 j0 + γk0 i0 − γij0 − δk0 j0 i0 − αj0 i0 − γj0 i0 = 0

Consideramos (i1 = i) λ4 [1] = − 21 , λ4 [3] = − 21 , λ4 [4] = 1, λ4 [13] = 21 , λ4 [17] = −1,

λ4 [19] = 21 , λ4 [20] = − 12 , λ4 [23] = − 12 , λ4 [7] = − 21 , λ4 [21] = 12 , λ4 [9] = − 21 ,
λ4 [15] = 21 , λ4 [10] = 1, λ4 [22] = − 12 , λ4 [24] = 21 .
2. La segunda igualdad es

αj0 k0 + δij0 k0 − γik0 + γj0 k0 − δk0 j0 i0 + γk0 i0 + δij0 i0 − γii0 = αk0 j0 + δik0 j0 − γij0 + γk0 j0

Consideramos (i1 = i) λ4 [1] = − 12 , λ4 [2] = 1, λ4 [3] = − 12 , λ4 [13] = − 21 , λ4 [19] =

− 12 , λ4 [20] = 21 , λ4 [23] = 12 , λ4 [7] = 21 , λ4 [21] = − 21 , λ4 [9] = 12 , λ4 [15] = − 21 ,
λ4 [12] = −1, λ4 [16] = 1, λ4 [22] = − 21 , λ4 [24] = 21 .
3. La tercera igualdad es

αk0 i0 + δik0 i0 − γii0 + γk0 i0 − δk0 j0 i0 + γk0 i0 + δij0 i0 − γii0 = αi0 k0 + δii0 k0 − γik0 + γi0 k0

En este caso, definimos (i1 = i) λ4 [1] = 1,5, λ4 [2] = −1, λ4 [3] = 1,5, λ4 [4] = −1,
λ4 [5] = −1 ,λ4 [13] = − 21 , λ4 [14] = 1, λ4 [17] = 1, λ4 [19] = − 12 , λ4 [20] = − 12 ,
λ4 [23] = − 12 , λ4 [7] = − 12 , λ4 [8] = 1, λ4 [21] = − 12 , λ4 [9] = − 12 , λ4 [15] = − 21 ,
λ4 [10] = −1, λ4 [12] = 1, λ4 [16] = −1, λ4 [22] = 1,5, λ4 [24] = 12 .

Demostración Caso 5: Debemos probar, para todo k, j 6= i0 , j0 , k0 , que

n
X n
X
βi + γ ki′ − δjik − δkir = βi′ + γki − δjik − δki′ r
r=1,r6=k,i r=1,r6=k,i′

1. i, i′ ∈
/ {i0 , j0 , k0 }
Sean las soluciones de CR definidas por los siguientes caminos P R:
1: v0 vi vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vj ′ 5: v0 vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vi vj ′
2: v0 vk vi vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vj ′ 6: v0 vk vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vi vj ′
3: v0 vk vj ′ vi vi′ vi0 vj0 vk0 vj1 . . . vjn−7 7: v0 vk vj ′ vi′ vi0 vj0 vk0 vj1 . . . vjn−7 vi
4: v0 vj ′ vi vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 8: v0 vj ′ vi′ vk vi0 vj0 vk0 vj1 . . . vjn−7 vi
con {vj1 , . . . , vjn−7 } = V \ {vi , vi′ , vj , vk , vi0 , vj0 , vk0 }. Para probar la igualdad de-
seada definimos λ = (1, −1, 1, −1, −1, 1, −1, 1).
156 Demostraciones de Definición de Faceta

2. i, i′ ∈ {i0 , j0 , k0 }

• i′ = i0 Suprimir de los caminos P R anteriores a vi0 y considerar el mismo λ.

• i′ = j0 Suprimir de los caminos P R anteriores a vj0 , definir a vk como vi0 y
considerar el mismo λ.
• i′ = k0 Suprimir de los caminos P R anteriores a vk0 y considerar el mismo λ.

1 v0 vj1 ..vjn−4 vi0 vj0 vk0 vi1 13 v0 vj1 ..vjn−4 vk0 vi0 vj0 vi1
2 v0 vj1 ..vjn−4 vi0 vj0 vi1 vk0 14 v0 vj1 ..vjn−4 vk0 vi0 vi1 vj0
3 v0 vj1 ..vjn−4 vi0 vk0 vj0 vi1 15 v0 vj1 ..vjn−4 vk0 vj0 vi0 vi1
4 v0 vj1 ..vjn−4 vi0 vk0 vi1 vj0 16 v0 vj1 ..vjn−4 vk0 vj0 vi1 vi0
5 v0 vj1 ..vjn−4 vi0 vi1 vj0 vk0 17 v0 vj1 ..vjn−4 vk0 vi1 vi0 vj0
6 v0 vj1 ..vjn−4 vi0 vi1 vk0 vj0 18 v0 vj1 ..vjn−4 vk0 vi1 vj0 vi0
7 v0 vj1 ..vjn−4 vj0 vi0 vk0 vi1 19 v0 vj1 ..vjn−4 v10 vi0 vj0 vk0
8 v0 vj1 ..vjn−4 vj0 vi0 vi1 vk0 20 v0 vj1 ..vjn−4 v10 vi0 vk0 vj0
9 v0 vj1 ..vjn−4 vj0 vk0 vi0 vi1 21 v0 vj1 ..vjn−4 v10 vj0 vi0 vk0
10 v0 vj1 ..vjn−4 vj0 vk0 vi1 vi0 22 v0 vj1 ..vjn−4 v10 vj0 vk0 vi0
11 v0 vj1 ..vjn−4 vj0 vi1 vi0 vk0 23 v0 vj1 ..vjn−4 v10 vk0 vi0 vj0
12 v0 vj1 ..vjn−4 vj0 vi1 vk0 vi0 24 v0 vj1 ..vjn−4 v10 vk0 vj0 vi0

Tabla A.1: 4 ı́ndices

 157

.
158 Demostraciones de Definición de Faceta

1 v0 vj1 ..vjn−5 vi0 vj0 vk0 vi1 vi2 41 v0 vj1 ..vjn−5 vj0 vi1 vi2 vi0 vk0 81 v0 vj1 ..vjn−5 vi1 vj0 vk0 vi0 vi2
2 v0 vj1 ..vjn−5 vi0 vj0 vk0 vi2 vi1 42 v0 vj1 ..vjn−5 vj0 vi1 vi2 vk0 vi0 82 v0 vj1 ..vjn−5 vi1 vj0 vk0 vi2 vi0
3 v0 vj1 ..vjn−5 vi0 vj0 vi1 vk0 vi2 43 v0 vj1 ..vjn−5 vj0 vi2 vi0 vk0 vi1 83 v0 vj1 ..vjn−5 vi1 vj0 vi2 vi0 vk0
4 v0 vj1 ..vjn−5 vi0 vj0 vi1 vi2 vk0 44 v0 vj1 ..vjn−5 vj0 vi2 vi0 vi1 vk0 84 v0 vj1 ..vjn−5 vi1 vj0 vi2 vk0 vi0
5 v0 vj1 ..vjn−5 vi0 vj0 vi2 vk0 vi1 45 v0 vj1 ..vjn−5 vj0 vi2 vk0 vi0 vi1 85 v0 vj1 ..vjn−5 vi1 vk0 vi0 vj0 vi2
6 v0 vj1 ..vjn−5 vi0 vj0 vi2 vi1 vk0 46 v0 vj1 ..vjn−5 vj0 vi2 vk0 vi1 vi0 86 v0 vj1 ..vjn−5 vi1 vk0 vi0 vi2 vj0
7 v0 vj1 ..vjn−5 vi0 vk0 vj0 vi1 vi2 47 v0 vj1 ..vjn−5 vj0 vi2 vi1 vi0 vk0 87 v0 vj1 ..vjn−5 vi1 vk0 vj0 vi0 vi2
8 v0 vj1 ..vjn−5 vi0 vk0 vj0 vi2 vi1 48 v0 vj1 ..vjn−5 vj0 vi2 vi1 vk0 vi0 88 v0 vj1 ..vjn−5 vi1 vk0 vj0 vi2 vi0
9 v0 vj1 ..vjn−5 vi0 vk0 vi1 vj0 vi2 49 v0 vj1 ..vjn−5 vk0 vi0 vj0 vi1 vi2 89 v0 vj1 ..vjn−5 vi1 vk0 vi2 vi0 vj0
10 v0 vj1 ..vjn−5 vi0 vk0 vi1 vi2 vj0 50 v0 vj1 ..vjn−5 vk0 vi0 vj0 vi2 vi1 90 v0 vj1 ..vjn−5 vi1 vk0 vi2 vj0 vi0
11 v0 vj1 ..vjn−5 vi0 vk0 vi2 vj0 vi1 51 v0 vj1 ..vjn−5 vk0 vi0 vi1 vj0 vi2 91 v0 vj1 ..vjn−5 vi1 vi2 vi0 vj0 vk0
12 v0 vj1 ..vjn−5 vi0 vk0 vi2 vi1 vj0 52 v0 vj1 ..vjn−5 vk0 vi0 vi1 vi2 vj0 92 v0 vj1 ..vjn−5 vi1 vi2 vi0 vk0 vj0
13 v0 vj1 ..vjn−5 vi0 vi1 vj0 vk0 vi2 53 v0 vj1 ..vjn−5 vk0 vi0 vi2 vj0 vi1 93 v0 vj1 ..vjn−5 vi1 vi2 vj0 vi0 vk0
14 v0 vj1 ..vjn−5 vi0 vi1 vj0 vi2 vk0 54 v0 vj1 ..vjn−5 vk0 vi0 vi2 vi1 vj0 94 v0 vj1 ..vjn−5 vi1 vi2 vj0 vk0 vi0
15 v0 vj1 ..vjn−5 vi0 vi1 vk0 vj0 vi2 55 v0 vj1 ..vjn−5 vk0 vj0 vi0 vi1 vi2 95 v0 vj1 ..vjn−5 vi1 vi2 vk0 vi0 vj0
16 v0 vj1 ..vjn−5 vi0 vi1 vk0 vi2 vj0 56 v0 vj1 ..vjn−5 vk0 vj0 vi0 vi2 vi1 96 v0 vj1 ..vjn−5 vi1 vi2 vk0 vj0 vi0
17 v0 vj1 ..vjn−5 vi0 vi1 vi2 vj0 vk0 57 v0 vj1 ..vjn−5 vk0 vj0 vi1 vi0 vi2 97 v0 vj1 ..vjn−5 vi2 vi0 vj0 vk0 vi1
18 v0 vj1 ..vjn−5 vi0 vi1 vi2 vk0 vj0 58 v0 vj1 ..vjn−5 vk0 vj0 vi1 vi2 vi0 98 v0 vj1 ..vjn−5 vi2 vi0 vj0 vi1 vk0
19 v0 vj1 ..vjn−5 vi0 vi2 vj0 vk0 vi1 59 v0 vj1 ..vjn−5 vk0 vj0 vi2 vi0 vi1 99 v0 vj1 ..vjn−5 vi2 vi0 vk0 vj0 vi1
20 v0 vj1 ..vjn−5 vi0 vi2 vj0 vi1 vk0 60 v0 vj1 ..vjn−5 vk0 vj0 vi2 vi1 vi0 100 v0 vj1 ..vjn−5 vi2 vi0 vk0 vi1 vj0
21 v0 vj1 ..vjn−5 vi0 vi2 vk0 vj0 vi1 61 v0 vj1 ..vjn−5 vk0 vi1 vi0 vj0 vi2 101 v0 vj1 ..vjn−5 vi2 vi0 vi1 vj0 vk0
22 v0 vj1 ..vjn−5 vi0 vi2 vk0 vi1 vj0 62 v0 vj1 ..vjn−5 vk0 vi1 vi0 vi2 vj0 102 v0 vj1 ..vjn−5 vi2 vi0 vi1 vk0 vj0
23 v0 vj1 ..vjn−5 vi0 vi2 vi1 vj0 vk0 63 v0 vj1 ..vjn−5 vk0 vi1 vj0 vi0 vi2 103 v0 vj1 ..vjn−5 vi2 vj0 vi0 vk0 vi1
24 v0 vj1 ..vjn−5 vi0 vi2 vi1 vk0 vj0 64 v0 vj1 ..vjn−5 vk0 vi1 vj0 vi2 vi0 104 v0 vj1 ..vjn−5 vi2 vj0 vi0 vi1 vk0
25 v0 vj1 ..vjn−5 vj0 vi0 vk0 vi1 vi2 65 v0 vj1 ..vjn−5 vk0 vi1 vi2 vi0 vj0 105 v0 vj1 ..vjn−5 vi2 vj0 vk0 vi0 vi1
26 v0 vj1 ..vjn−5 vj0 vi0 vk0 vi2 vi1 66 v0 vj1 ..vjn−5 vk0 vi1 vi2 vj0 vi0 106 v0 vj1 ..vjn−5 vi2 vj0 vk0 vi1 vi0
27 v0 vj1 ..vjn−5 vj0 vi0 vi1 vk0 vi2 67 v0 vj1 ..vjn−5 vk0 vi2 vi0 vj0 vi1 107 v0 vj1 ..vjn−5 vi2 vj0 vi1 vi0 vk0
28 v0 vj1 ..vjn−5 vj0 vi0 vi1 vi2 vk0 68 v0 vj1 ..vjn−5 vk0 vi2 vi0 vi1 vj0 108 v0 vj1 ..vjn−5 vi2 vj0 vi1 vk0 vi0
29 v0 vj1 ..vjn−5 vj0 vi0 vi2 vk0 vi1 69 v0 vj1 ..vjn−5 vk0 vi2 vj0 vi0 vi1 109 v0 vj1 ..vjn−5 vi2 vk0 vi0 vj0 vi1
30 v0 vj1 ..vjn−5 vj0 vi0 vi2 vi1 vk0 70 v0 vj1 ..vjn−5 vk0 vi2 vj0 vi1 vi0 110 v0 vj1 ..vjn−5 vi2 vk0 vi0 vi1 vj0
31 v0 vj1 ..vjn−5 vj0 vk0 vi0 vi1 vi2 71 v0 vj1 ..vjn−5 vk0 vi2 vi1 vi0 vj0 111 v0 vj1 ..vjn−5 vi2 vk0 vj0 vi0 vi1
32 v0 vj1 ..vjn−5 vj0 vk0 vi0 vi2 vi1 72 v0 vj1 ..vjn−5 vk0 vi2 vi1 vj0 vi0 112 v0 vj1 ..vjn−5 vi2 vk0 vj0 vi1 vi0
33 v0 vj1 ..vjn−5 vj0 vk0 vi1 vi0 vi2 73 v0 vj1 ..vjn−5 vi1 vi0 vj0 vk0 vi2 113 v0 vj1 ..vjn−5 vi2 vk0 vi1 vi0 vj0
34 v0 vj1 ..vjn−5 vj0 vk0 vi1 vi2 vi0 74 v0 vj1 ..vjn−5 vi1 vi0 vj0 vi2 vk0 114 v0 vj1 ..vjn−5 vi2 vk0 vi1 vj0 vi0
35 v0 vj1 ..vjn−5 vj0 vk0 vi2 vi0 vi1 75 v0 vj1 ..vjn−5 vi1 vi0 vk0 vj0 vi2 115 v0 vj1 ..vjn−5 vi2 vi1 vi0 vj0 vk0
36 v0 vj1 ..vjn−5 vj0 vk0 vi2 vi1 vi0 76 v0 vj1 ..vjn−5 vi1 vi0 vk0 vi2 vj0 116 v0 vj1 ..vjn−5 vi2 vi1 vi0 vk0 vj0
37 v0 vj1 ..vjn−5 vj0 vi1 vi0 vk0 vi2 77 v0 vj1 ..vjn−5 vi1 vi0 vi2 vj0 vk0 117 v0 vj1 ..vjn−5 vi2 vi1 vj0 vi0 vk0
38 v0 vj1 ..vjn−5 vj0 vi1 vi0 vi2 vk0 78 v0 vj1 ..vjn−5 vi1 vi0 vi2 vk0 vj0 118 v0 vj1 ..vjn−5 vi2 vi1 vj0 vk0 vi0
39 v0 vj1 ..vjn−5 vj0 vi1 vk0 vi0 vi2 79 v0 vj1 ..vjn−5 vi1 vj0 vi0 vk0 vi2 119 v0 vj1 ..vjn−5 vi2 vi1 vk0 vi0 vj0
40 v0 vj1 ..vjn−5 vj0 vi1 vk0 vi2 vi0 80 v0 vj1 ..vjn−5 vi1 vj0 vi0 vi2 vk0 120 v0 vj1 ..vjn−5 vi2 vi1 vk0 vj0 vi0

Tabla A.2: 5 ı́ndices

 159

1 v0 vj1 ..jn−6 vi0 vj0 vk0 vl0 vi1 vi2 41 v0 vj1 ..jn−6 vi0 vk0 vi1 vi2 vj0 vl0 81 v0 vj1 ..jn−6 vi0 vi1 vk0 vl0 vj0 vi2
2 v0 vj1 ..jn−6 vi0 vj0 vk0 vl0 vi2 vi1 42 v0 vj1 ..jn−6 vi0 vk0 vi1 vi2 vl0 vj0 82 v0 vj1 ..jn−6 vi0 vi1 vk0 vl0 vi2 vj0
3 v0 vj1 ..jn−6 vi0 vj0 vk0 vi1 vl0 vi2 43 v0 vj1 ..jn−6 vi0 vk0 vi2 vj0 vl0 vi1 83 v0 vj1 ..jn−6 vi0 vi1 vk0 vi2 vj0 vl0
4 v0 vj1 ..jn−6 vi0 vj0 vk0 vi1 vi2 vl0 44 v0 vj1 ..jn−6 vi0 vk0 vi2 vj0 vi1 vl0 84 v0 vj1 ..jn−6 vi0 vi1 vk0 vi2 vl0 vj0
5 v0 vj1 ..jn−6 vi0 vj0 vk0 vi2 vl0 vi1 45 v0 vj1 ..jn−6 vi0 vk0 vi2 vl0 vj0 vi1 85 v0 vj1 ..jn−6 vi0 vi1 vl0 vj0 vk0 vi2
6 v0 vj1 ..jn−6 vi0 vj0 vk0 vi2 vi1 vl0 46 v0 vj1 ..jn−6 vi0 vk0 vi2 vl0 vi1 vj0 86 v0 vj1 ..jn−6 vi0 vi1 vl0 vj0 vi2 vk0
7 v0 vj1 ..jn−6 vi0 vj0 vl0 vk0 vi1 vi2 47 v0 vj1 ..jn−6 vi0 vk0 vi2 vi1 vj0 vl0 87 v0 vj1 ..jn−6 vi0 vi1 vl0 vk0 vj0 vi2
8 v0 vj1 ..jn−6 vi0 vj0 vl0 vk0 vi2 vi1 48 v0 vj1 ..jn−6 vi0 vk0 vi2 vi1 vl0 vj0 88 v0 vj1 ..jn−6 vi0 vi1 vl0 vk0 vi2 vj0
9 v0 vj1 ..jn−6 vi0 vj0 vl0 vi1 vk0 vi2 49 v0 vj1 ..jn−6 vi0 vl0 vj0 vk0 vi1 vi2 89 v0 vj1 ..jn−6 vi0 vi1 vl0 vi2 vj0 vk0
10 v0 vj1 ..jn−6 vi0 vj0 vl0 vi1 vi2 vk0 50 v0 vj1 ..jn−6 vi0 vl0 vj0 vk0 vi2 vi1 90 v0 vj1 ..jn−6 vi0 vi1 vl0 vi2 vk0 vj0
11 v0 vj1 ..jn−6 vi0 vj0 vl0 vi2 vk0 vi1 51 v0 vj1 ..jn−6 vi0 vl0 vj0 vi1 vk0 vi2 91 v0 vj1 ..jn−6 vi0 vi1 vi2 vj0 vk0 vl0
12 v0 vj1 ..jn−6 vi0 vj0 vl0 vi2 vi1 vk0 52 v0 vj1 ..jn−6 vi0 vl0 vj0 vi1 vi2 vk0 92 v0 vj1 ..jn−6 vi0 vi1 vi2 vj0 vl0 vk0
13 v0 vj1 ..jn−6 vi0 vj0 vi1 vk0 vl0 vi2 53 v0 vj1 ..jn−6 vi0 vl0 vj0 vi2 vk0 vi1 93 v0 vj1 ..jn−6 vi0 vi1 vi2 vk0 vj0 vl0
14 v0 vj1 ..jn−6 vi0 vj0 vi1 vk0 vi2 vl0 54 v0 vj1 ..jn−6 vi0 vl0 vj0 vi2 vi1 vk0 94 v0 vj1 ..jn−6 vi0 vi1 vi2 vk0 vl0 vj0
15 v0 vj1 ..jn−6 vi0 vj0 vi1 vl0 vk0 vi2 55 v0 vj1 ..jn−6 vi0 vl0 vk0 vj0 vi1 vi2 95 v0 vj1 ..jn−6 vi0 vi1 vi2 vl0 vj0 vk0
16 v0 vj1 ..jn−6 vi0 vj0 vi1 vl0 vi2 vk0 56 v0 vj1 ..jn−6 vi0 vl0 vk0 vj0 vi2 vi1 96 v0 vj1 ..jn−6 vi0 vi1 vi2 vl0 vk0 vj0
17 v0 vj1 ..jn−6 vi0 vj0 vi1 vi2 vk0 vl0 57 v0 vj1 ..jn−6 vi0 vl0 vk0 vi1 vj0 vi2 97 v0 vj1 ..jn−6 vi0 vi2 vj0 vk0 vl0 vi1
18 v0 vj1 ..jn−6 vi0 vj0 vi1 vi2 vl0 vk0 58 v0 vj1 ..jn−6 vi0 vl0 vk0 vi1 vi2 vj0 98 v0 vj1 ..jn−6 vi0 vi2 vj0 vk0 vi1 vl0
19 v0 vj1 ..jn−6 vi0 vj0 vi2 vk0 vl0 vi1 59 v0 vj1 ..jn−6 vi0 vl0 vk0 vi2 vj0 vi1 99 v0 vj1 ..jn−6 vi0 vi2 vj0 vl0 vk0 vi1
20 v0 vj1 ..jn−6 vi0 vj0 vi2 vk0 vi1 vl0 60 v0 vj1 ..jn−6 vi0 vl0 vk0 vi2 vi1 vj0 100 v0 vj1 ..jn−6 vi0 vi2 vj0 vl0 vi1 vk0
21 v0 vj1 ..jn−6 vi0 vj0 vi2 vl0 vk0 vi1 61 v0 vj1 ..jn−6 vi0 vl0 vi1 vj0 vk0 vi2 101 v0 vj1 ..jn−6 vi0 vi2 vj0 vi1 vk0 vl0
22 v0 vj1 ..jn−6 vi0 vj0 vi2 vl0 vi1 vk0 62 v0 vj1 ..jn−6 vi0 vl0 vi1 vj0 vi2 vk0 102 v0 vj1 ..jn−6 vi0 vi2 vj0 vi1 vl0 vk0
23 v0 vj1 ..jn−6 vi0 vj0 vi2 vi1 vk0 vl0 63 v0 vj1 ..jn−6 vi0 vl0 vi1 vk0 vj0 vi2 103 v0 vj1 ..jn−6 vi0 vi2 vk0 vj0 vl0 vi1
24 v0 vj1 ..jn−6 vi0 vj0 vi2 vi1 vl0 vk0 64 v0 vj1 ..jn−6 vi0 vl0 vi1 vk0 vi2 vj0 104 v0 vj1 ..jn−6 vi0 vi2 vk0 vj0 vi1 vl0
25 v0 vj1 ..jn−6 vi0 vk0 vj0 vl0 vi1 vi2 65 v0 vj1 ..jn−6 vi0 vl0 vi1 vi2 vj0 vk0 105 v0 vj1 ..jn−6 vi0 vi2 vk0 vl0 vj0 vi1
26 v0 vj1 ..jn−6 vi0 vk0 vj0 vl0 vi2 vi1 66 v0 vj1 ..jn−6 vi0 vl0 vi1 vi2 vk0 vj0 106 v0 vj1 ..jn−6 vi0 vi2 vk0 vl0 vi1 vj0
27 v0 vj1 ..jn−6 vi0 vk0 vj0 vi1 vl0 vi2 67 v0 vj1 ..jn−6 vi0 vl0 vi2 vj0 vk0 vi1 107 v0 vj1 ..jn−6 vi0 vi2 vk0 vi1 vj0 vl0
28 v0 vj1 ..jn−6 vi0 vk0 vj0 vi1 vi2 vl0 68 v0 vj1 ..jn−6 vi0 vl0 vi2 vj0 vi1 vk0 108 v0 vj1 ..jn−6 vi0 vi2 vk0 vi1 vl0 vj0
29 v0 vj1 ..jn−6 vi0 vk0 vj0 vi2 vl0 vi1 69 v0 vj1 ..jn−6 vi0 vl0 vi2 vk0 vj0 vi1 109 v0 vj1 ..jn−6 vi0 vi2 vl0 vj0 vk0 vi1
30 v0 vj1 ..jn−6 vi0 vk0 vj0 vi2 vi1 vl0 70 v0 vj1 ..jn−6 vi0 vl0 vi2 vk0 vi1 vj0 110 v0 vj1 ..jn−6 vi0 vi2 vl0 vj0 vi1 vk0
31 v0 vj1 ..jn−6 vi0 vk0 vl0 vj0 vi1 vi2 71 v0 vj1 ..jn−6 vi0 vl0 vi2 vi1 vj0 vk0 111 v0 vj1 ..jn−6 vi0 vi2 vl0 vk0 vj0 vi1
32 v0 vj1 ..jn−6 vi0 vk0 vl0 vj0 vi2 vi1 72 v0 vj1 ..jn−6 vi0 vl0 vi2 vi1 vk0 vj0 112 v0 vj1 ..jn−6 vi0 vi2 vl0 vk0 vi1 vj0
33 v0 vj1 ..jn−6 vi0 vk0 vl0 vi1 vj0 vi2 73 v0 vj1 ..jn−6 vi0 vi1 vj0 vk0 vl0 vi2 113 v0 vj1 ..jn−6 vi0 vi2 vl0 vi1 vj0 vk0
34 v0 vj1 ..jn−6 vi0 vk0 vl0 vi1 vi2 vj0 74 v0 vj1 ..jn−6 vi0 vi1 vj0 vk0 vi2 vl0 114 v0 vj1 ..jn−6 vi0 vi2 vl0 vi1 vk0 vj0
35 v0 vj1 ..jn−6 vi0 vk0 vl0 vi2 vj0 vi1 75 v0 vj1 ..jn−6 vi0 vi1 vj0 vl0 vk0 vi2 115 v0 vj1 ..jn−6 vi0 vi2 vi1 vj0 vk0 vl0
36 v0 vj1 ..jn−6 vi0 vk0 vl0 vi2 vi1 vj0 76 v0 vj1 ..jn−6 vi0 vi1 vj0 vl0 vi2 vk0 116 v0 vj1 ..jn−6 vi0 vi2 vi1 vj0 vl0 vk0
37 v0 vj1 ..jn−6 vi0 vk0 vi1 vj0 vl0 vi2 77 v0 vj1 ..jn−6 vi0 vi1 vj0 vi2 vk0 vl0 117 v0 vj1 ..jn−6 vi0 vi2 vi1 vk0 vj0 vl0
38 v0 vj1 ..jn−6 vi0 vk0 vi1 vj0 vi2 vl0 78 v0 vj1 ..jn−6 vi0 vi1 vj0 vi2 vl0 vk0 118 v0 vj1 ..jn−6 vi0 vi2 vi1 vk0 vl0 vj0
39 v0 vj1 ..jn−6 vi0 vk0 vi1 vl0 vj0 vi2 79 v0 vj1 ..jn−6 vi0 vi1 vk0 vj0 vl0 vi2 119 v0 vj1 ..jn−6 vi0 vi2 vi1 vl0 vj0 vk0
40 v0 vj1 ..jn−6 vi0 vk0 vi1 vl0 vi2 vj0 80 v0 vj1 ..jn−6 vi0 vi1 vk0 vj0 vi2 vl0 120 v0 vj1 ..jn−6 vi0 vi2 vi1 vl0 vk0 vj0

Tabla A.3: 6 ı́ndices

160 Demostraciones de Definición de Faceta

121 v0 vj1 ..jn−6 vj0 vi0 vk0 vl0 vi1 vi2 161 v0 vj1 ..jn−6 vj0 vk0 vi1 vi2 vi0 vl0 201 v0 vj1 ..jn−6 vj0 vi1 vk0 vl0 vi0 vi2
122 v0 vj1 ..jn−6 vj0 vi0 vk0 vl0 vi2 vi1 162 v0 vj1 ..jn−6 vj0 vk0 vi1 vi2 vl0 vi0 202 v0 vj1 ..jn−6 vj0 vi1 vk0 vl0 vi2 vi0
123 v0 vj1 ..jn−6 vj0 vi0 vk0 vi1 vl0 vi2 163 v0 vj1 ..jn−6 vj0 vk0 vi2 vi0 vl0 vi1 203 v0 vj1 ..jn−6 vj0 vi1 vk0 vi2 vi0 vl0
124 v0 vj1 ..jn−6 vj0 vi0 vk0 vi1 vi2 vl0 164 v0 vj1 ..jn−6 vj0 vk0 vi2 vi0 vi1 vl0 204 v0 vj1 ..jn−6 vj0 vi1 vk0 vi2 vl0 vi0
125 v0 vj1 ..jn−6 vj0 vi0 vk0 vi2 vl0 vi1 165 v0 vj1 ..jn−6 vj0 vk0 vi2 vl0 vi0 vi1 205 v0 vj1 ..jn−6 vj0 vi1 vl0 vi0 vk0 vi2
126 v0 vj1 ..jn−6 vj0 vi0 vk0 vi2 vi1 vl0 166 v0 vj1 ..jn−6 vj0 vk0 vi2 vl0 vi1 vi0 206 v0 vj1 ..jn−6 vj0 vi1 vl0 vi0 vi2 vk0
127 v0 vj1 ..jn−6 vj0 vi0 vl0 vk0 vi1 vi2 167 v0 vj1 ..jn−6 vj0 vk0 vi2 vi1 vi0 vl0 207 v0 vj1 ..jn−6 vj0 vi1 vl0 vk0 vi0 vi2
128 v0 vj1 ..jn−6 vj0 vi0 vl0 vk0 vi2 vi1 168 v0 vj1 ..jn−6 vj0 vk0 vi2 vi1 vl0 vi0 208 v0 vj1 ..jn−6 vj0 vi1 vl0 vk0 vi2 vi0
129 v0 vj1 ..jn−6 vj0 vi0 vl0 vi1 vk0 vi2 169 v0 vj1 ..jn−6 vj0 vl0 vi0 vk0 vi1 vi2 209 v0 vj1 ..jn−6 vj0 vi1 vl0 vi2 vi0 vk0
130 v0 vj1 ..jn−6 vj0 vi0 vl0 vi1 vi2 vk0 170 v0 vj1 ..jn−6 vj0 vl0 vi0 vk0 vi2 vi1 210 v0 vj1 ..jn−6 vj0 vi1 vl0 vi2 vk0 vi0
131 v0 vj1 ..jn−6 vj0 vi0 vl0 vi2 vk0 vi1 171 v0 vj1 ..jn−6 vj0 vl0 vi0 vi1 vk0 vi2 211 v0 vj1 ..jn−6 vj0 vi1 vi2 vi0 vk0 vl0
132 v0 vj1 ..jn−6 vj0 vi0 vl0 vi2 vi1 vk0 172 v0 vj1 ..jn−6 vj0 vl0 vi0 vi1 vi2 vk0 212 v0 vj1 ..jn−6 vj0 vi1 vi2 vi0 vl0 vk0
133 v0 vj1 ..jn−6 vj0 vi0 vi1 vk0 vl0 vi2 173 v0 vj1 ..jn−6 vj0 vl0 vi0 vi2 vk0 vi1 213 v0 vj1 ..jn−6 vj0 vi1 vi2 vk0 vi0 vl0
134 v0 vj1 ..jn−6 vj0 vi0 vi1 vk0 vi2 vl0 174 v0 vj1 ..jn−6 vj0 vl0 vi0 vi2 vi1 vk0 214 v0 vj1 ..jn−6 vj0 vi1 vi2 vk0 vl0 vi0
135 v0 vj1 ..jn−6 vj0 vi0 vi1 vl0 vk0 vi2 175 v0 vj1 ..jn−6 vj0 vl0 vk0 vi0 vi1 vi2 215 v0 vj1 ..jn−6 vj0 vi1 vi2 vl0 vi0 vk0
136 v0 vj1 ..jn−6 vj0 vi0 vi1 vl0 vi2 vk0 176 v0 vj1 ..jn−6 vj0 vl0 vk0 vi0 vi2 vi1 216 v0 vj1 ..jn−6 vj0 vi1 vi2 vl0 vk0 vi0
137 v0 vj1 ..jn−6 vj0 vi0 vi1 vi2 vk0 vl0 177 v0 vj1 ..jn−6 vj0 vl0 vk0 vi1 vi0 vi2 217 v0 vj1 ..jn−6 vj0 vi2 vi0 vk0 vl0 vi1
138 v0 vj1 ..jn−6 vj0 vi0 vi1 vi2 vl0 vk0 178 v0 vj1 ..jn−6 vj0 vl0 vk0 vi1 vi2 vi0 218 v0 vj1 ..jn−6 vj0 vi2 vi0 vk0 vi1 vl0
139 v0 vj1 ..jn−6 vj0 vi0 vi2 vk0 vl0 vi1 179 v0 vj1 ..jn−6 vj0 vl0 vk0 vi2 vi0 vi1 219 v0 vj1 ..jn−6 vj0 vi2 vi0 vl0 vk0 vi1
140 v0 vj1 ..jn−6 vj0 vi0 vi2 vk0 vi1 vl0 180 v0 vj1 ..jn−6 vj0 vl0 vk0 vi2 vi1 vi0 220 v0 vj1 ..jn−6 vj0 vi2 vi0 vl0 vi1 vk0
141 v0 vj1 ..jn−6 vj0 vi0 vi2 vl0 vk0 vi1 181 v0 vj1 ..jn−6 vj0 vl0 vi1 vi0 vk0 vi2 221 v0 vj1 ..jn−6 vj0 vi2 vi0 vi1 vk0 vl0
142 v0 vj1 ..jn−6 vj0 vi0 vi2 vl0 vi1 vk0 182 v0 vj1 ..jn−6 vj0 vl0 vi1 vi0 vi2 vk0 222 v0 vj1 ..jn−6 vj0 vi2 vi0 vi1 vl0 vk0
143 v0 vj1 ..jn−6 vj0 vi0 vi2 vi1 vk0 vl0 183 v0 vj1 ..jn−6 vj0 vl0 vi1 vk0 vi0 vi2 223 v0 vj1 ..jn−6 vj0 vi2 vk0 vi0 vl0 vi1
144 v0 vj1 ..jn−6 vj0 vi0 vi2 vi1 vl0 vk0 184 v0 vj1 ..jn−6 vj0 vl0 vi1 vk0 vi2 vi0 224 v0 vj1 ..jn−6 vj0 vi2 vk0 vi0 vi1 vl0
145 v0 vj1 ..jn−6 vj0 vk0 vi0 vl0 vi1 vi2 185 v0 vj1 ..jn−6 vj0 vl0 vi1 vi2 vi0 vk0 225 v0 vj1 ..jn−6 vj0 vi2 vk0 vl0 vi0 vi1
146 v0 vj1 ..jn−6 vj0 vk0 vi0 vl0 vi2 vi1 186 v0 vj1 ..jn−6 vj0 vl0 vi1 vi2 vk0 vi0 226 v0 vj1 ..jn−6 vj0 vi2 vk0 vl0 vi1 vi0
147 v0 vj1 ..jn−6 vj0 vk0 vi0 vi1 vl0 vi2 187 v0 vj1 ..jn−6 vj0 vl0 vi2 vi0 vk0 vi1 227 v0 vj1 ..jn−6 vj0 vi2 vk0 vi1 vi0 vl0
148 v0 vj1 ..jn−6 vj0 vk0 vi0 vi1 vi2 vl0 188 v0 vj1 ..jn−6 vj0 vl0 vi2 vi0 vi1 vk0 228 v0 vj1 ..jn−6 vj0 vi2 vk0 vi1 vl0 vi0
149 v0 vj1 ..jn−6 vj0 vk0 vi0 vi2 vl0 vi1 189 v0 vj1 ..jn−6 vj0 vl0 vi2 vk0 vi0 vi1 229 v0 vj1 ..jn−6 vj0 vi2 vl0 vi0 vk0 vi1
150 v0 vj1 ..jn−6 vj0 vk0 vi0 vi2 vi1 vl0 190 v0 vj1 ..jn−6 vj0 vl0 vi2 vk0 vi1 vi0 230 v0 vj1 ..jn−6 vj0 vi2 vl0 vi0 vi1 vk0
151 v0 vj1 ..jn−6 vj0 vk0 vl0 vi0 vi1 vi2 191 v0 vj1 ..jn−6 vj0 vl0 vi2 vi1 vi0 vk0 231 v0 vj1 ..jn−6 vj0 vi2 vl0 vk0 vi0 vi1
152 v0 vj1 ..jn−6 vj0 vk0 vl0 vi0 vi2 vi1 192 v0 vj1 ..jn−6 vj0 vl0 vi2 vi1 vk0 vi0 232 v0 vj1 ..jn−6 vj0 vi2 vl0 vk0 vi1 vi0
153 v0 vj1 ..jn−6 vj0 vk0 vl0 vi1 vi0 vi2 193 v0 vj1 ..jn−6 vj0 vi1 vi0 vk0 vl0 vi2 233 v0 vj1 ..jn−6 vj0 vi2 vl0 vi1 vi0 vk0
154 v0 vj1 ..jn−6 vj0 vk0 vl0 vi1 vi2 vi0 194 v0 vj1 ..jn−6 vj0 vi1 vi0 vk0 vi2 vl0 234 v0 vj1 ..jn−6 vj0 vi2 vl0 vi1 vk0 vi0
155 v0 vj1 ..jn−6 vj0 vk0 vl0 vi2 vi0 vi1 195 v0 vj1 ..jn−6 vj0 vi1 vi0 vl0 vk0 vi2 235 v0 vj1 ..jn−6 vj0 vi2 vi1 vi0 vk0 vl0
156 v0 vj1 ..jn−6 vj0 vk0 vl0 vi2 vi1 vi0 196 v0 vj1 ..jn−6 vj0 vi1 vi0 vl0 vi2 vk0 236 v0 vj1 ..jn−6 vj0 vi2 vi1 vi0 vl0 vk0
157 v0 vj1 ..jn−6 vj0 vk0 vi1 vi0 vl0 vi2 197 v0 vj1 ..jn−6 vj0 vi1 vi0 vi2 vk0 vl0 237 v0 vj1 ..jn−6 vj0 vi2 vi1 vk0 vi0 vl0
158 v0 vj1 ..jn−6 vj0 vk0 vi1 vi0 vi2 vl0 198 v0 vj1 ..jn−6 vj0 vi1 vi0 vi2 vl0 vk0 238 v0 vj1 ..jn−6 vj0 vi2 vi1 vk0 vl0 vi0
159 v0 vj1 ..jn−6 vj0 vk0 vi1 vl0 vi0 vi2 199 v0 vj1 ..jn−6 vj0 vi1 vk0 vi0 vl0 vi2 239 v0 vj1 ..jn−6 vj0 vi2 vi1 vl0 vi0 vk0
160 v0 vj1 ..jn−6 vj0 vk0 vi1 vl0 vi2 vi0 200 v0 vj1 ..jn−6 vj0 vi1 vk0 vi0 vi2 vl0 240 v0 vj1 ..jn−6 vj0 vi2 vi1 vl0 vk0 vi0

Tabla A.4: 6 ı́ndices (continuación)

 161

241 v0 vj1 ..jn−6 vk0 vi0 vj0 vl0 vi1 vi2 281 v0 vj1 ..jn−6 vk0 vj0 vi1 vi2 vi0 vl0 321 v0 vj1 ..jn−6 vk0 vi1 vj0 vl0 vi0 vi2
242 v0 vj1 ..jn−6 vk0 vi0 vj0 vl0 vi2 vi1 282 v0 vj1 ..jn−6 vk0 vj0 vi1 vi2 vl0 vi0 322 v0 vj1 ..jn−6 vk0 vi1 vj0 vl0 vi2 vi0
243 v0 vj1 ..jn−6 vk0 vi0 vj0 vi1 vl0 vi2 283 v0 vj1 ..jn−6 vk0 vj0 vi2 vi0 vl0 vi1 323 v0 vj1 ..jn−6 vk0 vi1 vj0 vi2 vi0 vl0
244 v0 vj1 ..jn−6 vk0 vi0 vj0 vi1 vi2 vl0 284 v0 vj1 ..jn−6 vk0 vj0 vi2 vi0 vi1 vl0 324 v0 vj1 ..jn−6 vk0 vi1 vj0 vi2 vl0 vi0
245 v0 vj1 ..jn−6 vk0 vi0 vj0 vi2 vl0 vi1 285 v0 vj1 ..jn−6 vk0 vj0 vi2 vl0 vi0 vi1 325 v0 vj1 ..jn−6 vk0 vi1 vl0 vi0 vj0 vi2
246 v0 vj1 ..jn−6 vk0 vi0 vj0 vi2 vi1 vl0 286 v0 vj1 ..jn−6 vk0 vj0 vi2 vl0 vi1 vi0 326 v0 vj1 ..jn−6 vk0 vi1 vl0 vi0 vi2 vj0
247 v0 vj1 ..jn−6 vk0 vi0 vl0 vj0 vi1 vi2 287 v0 vj1 ..jn−6 vk0 vj0 vi2 vi1 vi0 vl0 327 v0 vj1 ..jn−6 vk0 vi1 vl0 vj0 vi0 vi2
248 v0 vj1 ..jn−6 vk0 vi0 vl0 vj0 vi2 vi1 288 v0 vj1 ..jn−6 vk0 vj0 vi2 vi1 vl0 vi0 328 v0 vj1 ..jn−6 vk0 vi1 vl0 vj0 vi2 vi0
249 v0 vj1 ..jn−6 vk0 vi0 vl0 vi1 vj0 vi2 289 v0 vj1 ..jn−6 vk0 vl0 vi0 vj0 vi1 vi2 329 v0 vj1 ..jn−6 vk0 vi1 vl0 vi2 vi0 vj0
250 v0 vj1 ..jn−6 vk0 vi0 vl0 vi1 vi2 vj0 290 v0 vj1 ..jn−6 vk0 vl0 vi0 vj0 vi2 vi1 330 v0 vj1 ..jn−6 vk0 vi1 vl0 vi2 vj0 vi0
251 v0 vj1 ..jn−6 vk0 vi0 vl0 vi2 vj0 vi1 291 v0 vj1 ..jn−6 vk0 vl0 vi0 vi1 vj0 vi2 331 v0 vj1 ..jn−6 vk0 vi1 vi2 vi0 vj0 vl0
252 v0 vj1 ..jn−6 vk0 vi0 vl0 vi2 vi1 vj0 292 v0 vj1 ..jn−6 vk0 vl0 vi0 vi1 vi2 vj0 332 v0 vj1 ..jn−6 vk0 vi1 vi2 vi0 vl0 vj0
253 v0 vj1 ..jn−6 vk0 vi0 vi1 vj0 vl0 vi2 293 v0 vj1 ..jn−6 vk0 vl0 vi0 vi2 vj0 vi1 333 v0 vj1 ..jn−6 vk0 vi1 vi2 vj0 vi0 vl0
254 v0 vj1 ..jn−6 vk0 vi0 vi1 vj0 vi2 vl0 294 v0 vj1 ..jn−6 vk0 vl0 vi0 vi2 vi1 vj0 334 v0 vj1 ..jn−6 vk0 vi1 vi2 vj0 vl0 vi0
255 v0 vj1 ..jn−6 vk0 vi0 vi1 vl0 vj0 vi2 295 v0 vj1 ..jn−6 vk0 vl0 vj0 vi0 vi1 vi2 335 v0 vj1 ..jn−6 vk0 vi1 vi2 vl0 vi0 vj0
256 v0 vj1 ..jn−6 vk0 vi0 vi1 vl0 vi2 vj0 296 v0 vj1 ..jn−6 vk0 vl0 vj0 vi0 vi2 vi1 336 v0 vj1 ..jn−6 vk0 vi1 vi2 vl0 vj0 vi0
257 v0 vj1 ..jn−6 vk0 vi0 vi1 vi2 vj0 vl0 297 v0 vj1 ..jn−6 vk0 vl0 vj0 vi1 vi0 vi2 337 v0 vj1 ..jn−6 vk0 vi2 vi0 vj0 vl0 vi1
258 v0 vj1 ..jn−6 vk0 vi0 vi1 vi2 vl0 vj0 298 v0 vj1 ..jn−6 vk0 vl0 vj0 vi1 vi2 vi0 338 v0 vj1 ..jn−6 vk0 vi2 vi0 vj0 vi1 vl0
259 v0 vj1 ..jn−6 vk0 vi0 vi2 vj0 vl0 vi1 299 v0 vj1 ..jn−6 vk0 vl0 vj0 vi2 vi0 vi1 339 v0 vj1 ..jn−6 vk0 vi2 vi0 vl0 vj0 vi1
260 v0 vj1 ..jn−6 vk0 vi0 vi2 vj0 vi1 vl0 300 v0 vj1 ..jn−6 vk0 vl0 vj0 vi2 vi1 vi0 340 v0 vj1 ..jn−6 vk0 vi2 vi0 vl0 vi1 vj0
261 v0 vj1 ..jn−6 vk0 vi0 vi2 vl0 vj0 vi1 301 v0 vj1 ..jn−6 vk0 vl0 vi1 vi0 vj0 vi2 341 v0 vj1 ..jn−6 vk0 vi2 vi0 vi1 vj0 vl0
262 v0 vj1 ..jn−6 vk0 vi0 vi2 vl0 vi1 vj0 302 v0 vj1 ..jn−6 vk0 vl0 vi1 vi0 vi2 vj0 342 v0 vj1 ..jn−6 vk0 vi2 vi0 vi1 vl0 vj0
263 v0 vj1 ..jn−6 vk0 vi0 vi2 vi1 vj0 vl0 303 v0 vj1 ..jn−6 vk0 vl0 vi1 vj0 vi0 vi2 343 v0 vj1 ..jn−6 vk0 vi2 vj0 vi0 vl0 vi1
264 v0 vj1 ..jn−6 vk0 vi0 vi2 vi1 vl0 vj0 304 v0 vj1 ..jn−6 vk0 vl0 vi1 vj0 vi2 vi0 344 v0 vj1 ..jn−6 vk0 vi2 vj0 vi0 vi1 vl0
265 v0 vj1 ..jn−6 vk0 vj0 vi0 vl0 vi1 vi2 305 v0 vj1 ..jn−6 vk0 vl0 vi1 vi2 vi0 vj0 345 v0 vj1 ..jn−6 vk0 vi2 vj0 vl0 vi0 vi1
266 v0 vj1 ..jn−6 vk0 vj0 vi0 vl0 vi2 vi1 306 v0 vj1 ..jn−6 vk0 vl0 vi1 vi2 vj0 vi0 346 v0 vj1 ..jn−6 vk0 vi2 vj0 vl0 vi1 vi0
267 v0 vj1 ..jn−6 vk0 vj0 vi0 vi1 vl0 vi2 307 v0 vj1 ..jn−6 vk0 vl0 vi2 vi0 vj0 vi1 347 v0 vj1 ..jn−6 vk0 vi2 vj0 vi1 vi0 vl0
268 v0 vj1 ..jn−6 vk0 vj0 vi0 vi1 vi2 vl0 308 v0 vj1 ..jn−6 vk0 vl0 vi2 vi0 vi1 vj0 348 v0 vj1 ..jn−6 vk0 vi2 vj0 vi1 vl0 vi0
269 v0 vj1 ..jn−6 vk0 vj0 vi0 vi2 vl0 vi1 309 v0 vj1 ..jn−6 vk0 vl0 vi2 vj0 vi0 vi1 349 v0 vj1 ..jn−6 vk0 vi2 vl0 vi0 vj0 vi1
270 v0 vj1 ..jn−6 vk0 vj0 vi0 vi2 vi1 vl0 310 v0 vj1 ..jn−6 vk0 vl0 vi2 vj0 vi1 vi0 350 v0 vj1 ..jn−6 vk0 vi2 vl0 vi0 vi1 vj0
271 v0 vj1 ..jn−6 vk0 vj0 vl0 vi0 vi1 vi2 311 v0 vj1 ..jn−6 vk0 vl0 vi2 vi1 vi0 vj0 351 v0 vj1 ..jn−6 vk0 vi2 vl0 vj0 vi0 vi1
272 v0 vj1 ..jn−6 vk0 vj0 vl0 vi0 vi2 vi1 312 v0 vj1 ..jn−6 vk0 vl0 vi2 vi1 vj0 vi0 352 v0 vj1 ..jn−6 vk0 vi2 vl0 vj0 vi1 vi0
273 v0 vj1 ..jn−6 vk0 vj0 vl0 vi1 vi0 vi2 313 v0 vj1 ..jn−6 vk0 vi1 vi0 vj0 vl0 vi2 353 v0 vj1 ..jn−6 vk0 vi2 vl0 vi1 vi0 vj0
274 v0 vj1 ..jn−6 vk0 vj0 vl0 vi1 vi2 vi0 314 v0 vj1 ..jn−6 vk0 vi1 vi0 vj0 vi2 vl0 354 v0 vj1 ..jn−6 vk0 vi2 vl0 vi1 vj0 vi0
275 v0 vj1 ..jn−6 vk0 vj0 vl0 vi2 vi0 vi1 315 v0 vj1 ..jn−6 vk0 vi1 vi0 vl0 vj0 vi2 355 v0 vj1 ..jn−6 vk0 vi2 vi1 vi0 vj0 vl0
276 v0 vj1 ..jn−6 vk0 vj0 vl0 vi2 vi1 vi0 316 v0 vj1 ..jn−6 vk0 vi1 vi0 vl0 vi2 vj0 356 v0 vj1 ..jn−6 vk0 vi2 vi1 vi0 vl0 vj0
277 v0 vj1 ..jn−6 vk0 vj0 vi1 vi0 vl0 vi2 317 v0 vj1 ..jn−6 vk0 vi1 vi0 vi2 vj0 vl0 357 v0 vj1 ..jn−6 vk0 vi2 vi1 vj0 vi0 vl0
278 v0 vj1 ..jn−6 vk0 vj0 vi1 vi0 vi2 vl0 318 v0 vj1 ..jn−6 vk0 vi1 vi0 vi2 vl0 vj0 358 v0 vj1 ..jn−6 vk0 vi2 vi1 vj0 vl0 vi0
279 v0 vj1 ..jn−6 vk0 vj0 vi1 vl0 vi0 vi2 319 v0 vj1 ..jn−6 vk0 vi1 vj0 vi0 vl0 vi2 359 v0 vj1 ..jn−6 vk0 vi2 vi1 vl0 vi0 vj0
280 v0 vj1 ..jn−6 vk0 vj0 vi1 vl0 vi2 vi0 320 v0 vj1 ..jn−6 vk0 vi1 vj0 vi0 vi2 vl0 360 v0 vj1 ..jn−6 vk0 vi2 vi1 vl0 vj0 vi0

Tabla A.5: 6 ı́ndices (continuación)

162 Demostraciones de Definición de Faceta

361 v0 vj1 ..jn−6 v10 vi0 vj0 vk0 vi1 vi2 401 v0 vj1 ..jn−6 v10 vj0 vi1 vi2 vi0 vk0 441 v0 vj1 ..jn−6 v10 vi1 vj0 vk0 vi0 vi2
362 v0 vj1 ..jn−6 v10 vi0 vj0 vk0 vi2 vi1 402 v0 vj1 ..jn−6 v10 vj0 vi1 vi2 vk0 vi0 442 v0 vj1 ..jn−6 v10 vi1 vj0 vk0 vi2 vi0
363 v0 vj1 ..jn−6 v10 vi0 vj0 vi1 vk0 vi2 403 v0 vj1 ..jn−6 v10 vj0 vi2 vi0 vk0 vi1 443 v0 vj1 ..jn−6 v10 vi1 vj0 vi2 vi0 vk0
364 v0 vj1 ..jn−6 v10 vi0 vj0 vi1 vi2 vk0 404 v0 vj1 ..jn−6 v10 vj0 vi2 vi0 vi1 vk0 444 v0 vj1 ..jn−6 v10 vi1 vj0 vi2 vk0 vi0
365 v0 vj1 ..jn−6 v10 vi0 vj0 vi2 vk0 vi1 405 v0 vj1 ..jn−6 v10 vj0 vi2 vk0 vi0 vi1 445 v0 vj1 ..jn−6 v10 vi1 vk0 vi0 vj0 vi2
366 v0 vj1 ..jn−6 v10 vi0 vj0 vi2 vi1 vk0 406 v0 vj1 ..jn−6 v10 vj0 vi2 vk0 vi1 vi0 446 v0 vj1 ..jn−6 v10 vi1 vk0 vi0 vi2 vj0
367 v0 vj1 ..jn−6 v10 vi0 vk0 vj0 vi1 vi2 407 v0 vj1 ..jn−6 v10 vj0 vi2 vi1 vi0 vk0 447 v0 vj1 ..jn−6 v10 vi1 vk0 vj0 vi0 vi2
368 v0 vj1 ..jn−6 v10 vi0 vk0 vj0 vi2 vi1 408 v0 vj1 ..jn−6 v10 vj0 vi2 vi1 vk0 vi0 448 v0 vj1 ..jn−6 v10 vi1 vk0 vj0 vi2 vi0
369 v0 vj1 ..jn−6 v10 vi0 vk0 vi1 vj0 vi2 409 v0 vj1 ..jn−6 v10 vk0 vi0 vj0 vi1 vi2 449 v0 vj1 ..jn−6 v10 vi1 vk0 vi2 vi0 vj0
370 v0 vj1 ..jn−6 v10 vi0 vk0 vi1 vi2 vj0 410 v0 vj1 ..jn−6 v10 vk0 vi0 vj0 vi2 vi1 450 v0 vj1 ..jn−6 v10 vi1 vk0 vi2 vj0 vi0
371 v0 vj1 ..jn−6 v10 vi0 vk0 vi2 vj0 vi1 411 v0 vj1 ..jn−6 v10 vk0 vi0 vi1 vj0 vi2 451 v0 vj1 ..jn−6 v10 vi1 vi2 vi0 vj0 vk0
372 v0 vj1 ..jn−6 v10 vi0 vk0 vi2 vi1 vj0 412 v0 vj1 ..jn−6 v10 vk0 vi0 vi1 vi2 vj0 452 v0 vj1 ..jn−6 v10 vi1 vi2 vi0 vk0 vj0
373 v0 vj1 ..jn−6 v10 vi0 vi1 vj0 vk0 vi2 413 v0 vj1 ..jn−6 v10 vk0 vi0 vi2 vj0 vi1 453 v0 vj1 ..jn−6 v10 vi1 vi2 vj0 vi0 vk0
374 v0 vj1 ..jn−6 v10 vi0 vi1 vj0 vi2 vk0 414 v0 vj1 ..jn−6 v10 vk0 vi0 vi2 vi1 vj0 454 v0 vj1 ..jn−6 v10 vi1 vi2 vj0 vk0 vi0
375 v0 vj1 ..jn−6 v10 vi0 vi1 vk0 vj0 vi2 415 v0 vj1 ..jn−6 v10 vk0 vj0 vi0 vi1 vi2 455 v0 vj1 ..jn−6 v10 vi1 vi2 vk0 vi0 vj0
376 v0 vj1 ..jn−6 v10 vi0 vi1 vk0 vi2 vj0 416 v0 vj1 ..jn−6 v10 vk0 vj0 vi0 vi2 vi1 456 v0 vj1 ..jn−6 v10 vi1 vi2 vk0 vj0 vi0
377 v0 vj1 ..jn−6 v10 vi0 vi1 vi2 vj0 vk0 417 v0 vj1 ..jn−6 v10 vk0 vj0 vi1 vi0 vi2 457 v0 vj1 ..jn−6 v10 vi2 vi0 vj0 vk0 vi1
378 v0 vj1 ..jn−6 v10 vi0 vi1 vi2 vk0 vj0 418 v0 vj1 ..jn−6 v10 vk0 vj0 vi1 vi2 vi0 458 v0 vj1 ..jn−6 v10 vi2 vi0 vj0 vi1 vk0
379 v0 vj1 ..jn−6 v10 vi0 vi2 vj0 vk0 vi1 419 v0 vj1 ..jn−6 v10 vk0 vj0 vi2 vi0 vi1 459 v0 vj1 ..jn−6 v10 vi2 vi0 vk0 vj0 vi1
380 v0 vj1 ..jn−6 v10 vi0 vi2 vj0 vi1 vk0 420 v0 vj1 ..jn−6 v10 vk0 vj0 vi2 vi1 vi0 460 v0 vj1 ..jn−6 v10 vi2 vi0 vk0 vi1 vj0
381 v0 vj1 ..jn−6 v10 vi0 vi2 vk0 vj0 vi1 421 v0 vj1 ..jn−6 v10 vk0 vi1 vi0 vj0 vi2 461 v0 vj1 ..jn−6 v10 vi2 vi0 vi1 vj0 vk0
382 v0 vj1 ..jn−6 v10 vi0 vi2 vk0 vi1 vj0 422 v0 vj1 ..jn−6 v10 vk0 vi1 vi0 vi2 vj0 462 v0 vj1 ..jn−6 v10 vi2 vi0 vi1 vk0 vj0
383 v0 vj1 ..jn−6 v10 vi0 vi2 vi1 vj0 vk0 423 v0 vj1 ..jn−6 v10 vk0 vi1 vj0 vi0 vi2 463 v0 vj1 ..jn−6 v10 vi2 vj0 vi0 vk0 vi1
384 v0 vj1 ..jn−6 v10 vi0 vi2 vi1 vk0 vj0 424 v0 vj1 ..jn−6 v10 vk0 vi1 vj0 vi2 vi0 464 v0 vj1 ..jn−6 v10 vi2 vj0 vi0 vi1 vk0
385 v0 vj1 ..jn−6 v10 vj0 vi0 vk0 vi1 vi2 425 v0 vj1 ..jn−6 v10 vk0 vi1 vi2 vi0 vj0 465 v0 vj1 ..jn−6 v10 vi2 vj0 vk0 vi0 vi1
386 v0 vj1 ..jn−6 v10 vj0 vi0 vk0 vi2 vi1 426 v0 vj1 ..jn−6 v10 vk0 vi1 vi2 vj0 vi0 466 v0 vj1 ..jn−6 v10 vi2 vj0 vk0 vi1 vi0
387 v0 vj1 ..jn−6 v10 vj0 vi0 vi1 vk0 vi2 427 v0 vj1 ..jn−6 v10 vk0 vi2 vi0 vj0 vi1 467 v0 vj1 ..jn−6 v10 vi2 vj0 vi1 vi0 vk0
388 v0 vj1 ..jn−6 v10 vj0 vi0 vi1 vi2 vk0 428 v0 vj1 ..jn−6 v10 vk0 vi2 vi0 vi1 vj0 468 v0 vj1 ..jn−6 v10 vi2 vj0 vi1 vk0 vi0
389 v0 vj1 ..jn−6 v10 vj0 vi0 vi2 vk0 vi1 429 v0 vj1 ..jn−6 v10 vk0 vi2 vj0 vi0 vi1 469 v0 vj1 ..jn−6 v10 vi2 vk0 vi0 vj0 vi1
390 v0 vj1 ..jn−6 v10 vj0 vi0 vi2 vi1 vk0 430 v0 vj1 ..jn−6 v10 vk0 vi2 vj0 vi1 vi0 470 v0 vj1 ..jn−6 v10 vi2 vk0 vi0 vi1 vj0
391 v0 vj1 ..jn−6 v10 vj0 vk0 vi0 vi1 vi2 431 v0 vj1 ..jn−6 v10 vk0 vi2 vi1 vi0 vj0 471 v0 vj1 ..jn−6 v10 vi2 vk0 vj0 vi0 vi1
392 v0 vj1 ..jn−6 v10 vj0 vk0 vi0 vi2 vi1 432 v0 vj1 ..jn−6 v10 vk0 vi2 vi1 vj0 vi0 472 v0 vj1 ..jn−6 v10 vi2 vk0 vj0 vi1 vi0
393 v0 vj1 ..jn−6 v10 vj0 vk0 vi1 vi0 vi2 433 v0 vj1 ..jn−6 v10 vi1 vi0 vj0 vk0 vi2 473 v0 vj1 ..jn−6 v10 vi2 vk0 vi1 vi0 vj0
394 v0 vj1 ..jn−6 v10 vj0 vk0 vi1 vi2 vi0 434 v0 vj1 ..jn−6 v10 vi1 vi0 vj0 vi2 vk0 474 v0 vj1 ..jn−6 v10 vi2 vk0 vi1 vj0 vi0
395 v0 vj1 ..jn−6 v10 vj0 vk0 vi2 vi0 vi1 435 v0 vj1 ..jn−6 v10 vi1 vi0 vk0 vj0 vi2 475 v0 vj1 ..jn−6 v10 vi2 vi1 vi0 vj0 vk0
396 v0 vj1 ..jn−6 v10 vj0 vk0 vi2 vi1 vi0 436 v0 vj1 ..jn−6 v10 vi1 vi0 vk0 vi2 vj0 476 v0 vj1 ..jn−6 v10 vi2 vi1 vi0 vk0 vj0
397 v0 vj1 ..jn−6 v10 vj0 vi1 vi0 vk0 vi2 437 v0 vj1 ..jn−6 v10 vi1 vi0 vi2 vj0 vk0 477 v0 vj1 ..jn−6 v10 vi2 vi1 vj0 vi0 vk0
398 v0 vj1 ..jn−6 v10 vj0 vi1 vi0 vi2 vk0 438 v0 vj1 ..jn−6 v10 vi1 vi0 vi2 vk0 vj0 478 v0 vj1 ..jn−6 v10 vi2 vi1 vj0 vk0 vi0
399 v0 vj1 ..jn−6 v10 vj0 vi1 vk0 vi0 vi2 439 v0 vj1 ..jn−6 v10 vi1 vj0 vi0 vk0 vi2 479 v0 vj1 ..jn−6 v10 vi2 vi1 vk0 vi0 vj0
400 v0 vj1 ..jn−6 v10 vj0 vi1 vk0 vi2 vi0 440 v0 vj1 ..jn−6 v10 vi1 vj0 vi0 vi2 vk0 480 v0 vj1 ..jn−6 v10 vi2 vi1 vk0 vj0 vi0

Tabla A.6: 6 ı́ndices (continuación)

 163

481 v0 vj1 ..jn−6 vi1 vi0 vj0 vk0 vl0 vi2 521 v0 vj1 ..jn−6 vi1 vj0 vl0 vi2 vi0 vk0 561 v0 vj1 ..jn−6 vi1 vl0 vj0 vk0 vi0 vi2
482 v0 vj1 ..jn−6 vi1 vi0 vj0 vk0 vi2 vl0 522 v0 vj1 ..jn−6 vi1 vj0 vl0 vi2 vk0 vi0 562 v0 vj1 ..jn−6 vi1 vl0 vj0 vk0 vi2 vi0
483 v0 vj1 ..jn−6 vi1 vi0 vj0 vl0 vk0 vi2 523 v0 vj1 ..jn−6 vi1 vj0 vi2 vi0 vk0 vl0 563 v0 vj1 ..jn−6 vi1 vl0 vj0 vi2 vi0 vk0
484 v0 vj1 ..jn−6 vi1 vi0 vj0 vl0 vi2 vk0 524 v0 vj1 ..jn−6 vi1 vj0 vi2 vi0 vl0 vk0 564 v0 vj1 ..jn−6 vi1 vl0 vj0 vi2 vk0 vi0
485 v0 vj1 ..jn−6 vi1 vi0 vj0 vi2 vk0 vl0 525 v0 vj1 ..jn−6 vi1 vj0 vi2 vk0 vi0 vl0 565 v0 vj1 ..jn−6 vi1 vl0 vk0 vi0 vj0 vi2
486 v0 vj1 ..jn−6 vi1 vi0 vj0 vi2 vl0 vk0 526 v0 vj1 ..jn−6 vi1 vj0 vi2 vk0 vl0 vi0 566 v0 vj1 ..jn−6 vi1 vl0 vk0 vi0 vi2 vj0
487 v0 vj1 ..jn−6 vi1 vi0 vk0 vj0 vl0 vi2 527 v0 vj1 ..jn−6 vi1 vj0 vi2 vl0 vi0 vk0 567 v0 vj1 ..jn−6 vi1 vl0 vk0 vj0 vi0 vi2
488 v0 vj1 ..jn−6 vi1 vi0 vk0 vj0 vi2 vl0 528 v0 vj1 ..jn−6 vi1 vj0 vi2 vl0 vk0 vi0 568 v0 vj1 ..jn−6 vi1 vl0 vk0 vj0 vi2 vi0
489 v0 vj1 ..jn−6 vi1 vi0 vk0 vl0 vj0 vi2 529 v0 vj1 ..jn−6 vi1 vk0 vi0 vj0 vl0 vi2 569 v0 vj1 ..jn−6 vi1 vl0 vk0 vi2 vi0 vj0
490 v0 vj1 ..jn−6 vi1 vi0 vk0 vl0 vi2 vj0 530 v0 vj1 ..jn−6 vi1 vk0 vi0 vj0 vi2 vl0 570 v0 vj1 ..jn−6 vi1 vl0 vk0 vi2 vj0 vi0
491 v0 vj1 ..jn−6 vi1 vi0 vk0 vi2 vj0 vl0 531 v0 vj1 ..jn−6 vi1 vk0 vi0 vl0 vj0 vi2 571 v0 vj1 ..jn−6 vi1 vl0 vi2 vi0 vj0 vk0
492 v0 vj1 ..jn−6 vi1 vi0 vk0 vi2 vl0 vj0 532 v0 vj1 ..jn−6 vi1 vk0 vi0 vl0 vi2 vj0 572 v0 vj1 ..jn−6 vi1 vl0 vi2 vi0 vk0 vj0
493 v0 vj1 ..jn−6 vi1 vi0 vl0 vj0 vk0 vi2 533 v0 vj1 ..jn−6 vi1 vk0 vi0 vi2 vj0 vl0 573 v0 vj1 ..jn−6 vi1 vl0 vi2 vj0 vi0 vk0
494 v0 vj1 ..jn−6 vi1 vi0 vl0 vj0 vi2 vk0 534 v0 vj1 ..jn−6 vi1 vk0 vi0 vi2 vl0 vj0 574 v0 vj1 ..jn−6 vi1 vl0 vi2 vj0 vk0 vi0
495 v0 vj1 ..jn−6 vi1 vi0 vl0 vk0 vj0 vi2 535 v0 vj1 ..jn−6 vi1 vk0 vj0 vi0 vl0 vi2 575 v0 vj1 ..jn−6 vi1 vl0 vi2 vk0 vi0 vj0
496 v0 vj1 ..jn−6 vi1 vi0 vl0 vk0 vi2 vj0 536 v0 vj1 ..jn−6 vi1 vk0 vj0 vi0 vi2 vl0 576 v0 vj1 ..jn−6 vi1 vl0 vi2 vk0 vj0 vi0
497 v0 vj1 ..jn−6 vi1 vi0 vl0 vi2 vj0 vk0 537 v0 vj1 ..jn−6 vi1 vk0 vj0 vl0 vi0 vi2 577 v0 vj1 ..jn−6 vi1 vi2 vi0 vj0 vk0 vl0
498 v0 vj1 ..jn−6 vi1 vi0 vl0 vi2 vk0 vj0 538 v0 vj1 ..jn−6 vi1 vk0 vj0 vl0 vi2 vi0 578 v0 vj1 ..jn−6 vi1 vi2 vi0 vj0 vl0 vk0
499 v0 vj1 ..jn−6 vi1 vi0 vi2 vj0 vk0 vl0 539 v0 vj1 ..jn−6 vi1 vk0 vj0 vi2 vi0 vl0 579 v0 vj1 ..jn−6 vi1 vi2 vi0 vk0 vj0 vl0
500 v0 vj1 ..jn−6 vi1 vi0 vi2 vj0 vl0 vk0 540 v0 vj1 ..jn−6 vi1 vk0 vj0 vi2 vl0 vi0 580 v0 vj1 ..jn−6 vi1 vi2 vi0 vk0 vl0 vj0
501 v0 vj1 ..jn−6 vi1 vi0 vi2 vk0 vj0 vl0 541 v0 vj1 ..jn−6 vi1 vk0 vl0 vi0 vj0 vi2 581 v0 vj1 ..jn−6 vi1 vi2 vi0 vl0 vj0 vk0
502 v0 vj1 ..jn−6 vi1 vi0 vi2 vk0 vl0 vj0 542 v0 vj1 ..jn−6 vi1 vk0 vl0 vi0 vi2 vj0 582 v0 vj1 ..jn−6 vi1 vi2 vi0 vl0 vk0 vj0
503 v0 vj1 ..jn−6 vi1 vi0 vi2 vl0 vj0 vk0 543 v0 vj1 ..jn−6 vi1 vk0 vl0 vj0 vi0 vi2 583 v0 vj1 ..jn−6 vi1 vi2 vj0 vi0 vk0 vl0
504 v0 vj1 ..jn−6 vi1 vi0 vi2 vl0 vk0 vj0 544 v0 vj1 ..jn−6 vi1 vk0 vl0 vj0 vi2 vi0 584 v0 vj1 ..jn−6 vi1 vi2 vj0 vi0 vl0 vk0
505 v0 vj1 ..jn−6 vi1 vj0 vi0 vk0 vl0 vi2 545 v0 vj1 ..jn−6 vi1 vk0 vl0 vi2 vi0 vj0 585 v0 vj1 ..jn−6 vi1 vi2 vj0 vk0 vi0 vl0
506 v0 vj1 ..jn−6 vi1 vj0 vi0 vk0 vi2 vl0 546 v0 vj1 ..jn−6 vi1 vk0 vl0 vi2 vj0 vi0 586 v0 vj1 ..jn−6 vi1 vi2 vj0 vk0 vl0 vi0
507 v0 vj1 ..jn−6 vi1 vj0 vi0 vl0 vk0 vi2 547 v0 vj1 ..jn−6 vi1 vk0 vi2 vi0 vj0 vl0 587 v0 vj1 ..jn−6 vi1 vi2 vj0 vl0 vi0 vk0
508 v0 vj1 ..jn−6 vi1 vj0 vi0 vl0 vi2 vk0 548 v0 vj1 ..jn−6 vi1 vk0 vi2 vi0 vl0 vj0 588 v0 vj1 ..jn−6 vi1 vi2 vj0 vl0 vk0 vi0
509 v0 vj1 ..jn−6 vi1 vj0 vi0 vi2 vk0 vl0 549 v0 vj1 ..jn−6 vi1 vk0 vi2 vj0 vi0 vl0 589 v0 vj1 ..jn−6 vi1 vi2 vk0 vi0 vj0 vl0
510 v0 vj1 ..jn−6 vi1 vj0 vi0 vi2 vl0 vk0 550 v0 vj1 ..jn−6 vi1 vk0 vi2 vj0 vl0 vi0 590 v0 vj1 ..jn−6 vi1 vi2 vk0 vi0 vl0 vj0
511 v0 vj1 ..jn−6 vi1 vj0 vk0 vi0 vl0 vi2 551 v0 vj1 ..jn−6 vi1 vk0 vi2 vl0 vi0 vj0 591 v0 vj1 ..jn−6 vi1 vi2 vk0 vj0 vi0 vl0
512 v0 vj1 ..jn−6 vi1 vj0 vk0 vi0 vi2 vl0 552 v0 vj1 ..jn−6 vi1 vk0 vi2 vl0 vj0 vi0 592 v0 vj1 ..jn−6 vi1 vi2 vk0 vj0 vl0 vi0
513 v0 vj1 ..jn−6 vi1 vj0 vk0 vl0 vi0 vi2 553 v0 vj1 ..jn−6 vi1 vl0 vi0 vj0 vk0 vi2 593 v0 vj1 ..jn−6 vi1 vi2 vk0 vl0 vi0 vj0
514 v0 vj1 ..jn−6 vi1 vj0 vk0 vl0 vi2 vi0 554 v0 vj1 ..jn−6 vi1 vl0 vi0 vj0 vi2 vk0 594 v0 vj1 ..jn−6 vi1 vi2 vk0 vl0 vj0 vi0
515 v0 vj1 ..jn−6 vi1 vj0 vk0 vi2 vi0 vl0 555 v0 vj1 ..jn−6 vi1 vl0 vi0 vk0 vj0 vi2 595 v0 vj1 ..jn−6 vi1 vi2 vl0 vi0 vj0 vk0
516 v0 vj1 ..jn−6 vi1 vj0 vk0 vi2 vl0 vi0 556 v0 vj1 ..jn−6 vi1 vl0 vi0 vk0 vi2 vj0 596 v0 vj1 ..jn−6 vi1 vi2 vl0 vi0 vk0 vj0
517 v0 vj1 ..jn−6 vi1 vj0 vl0 vi0 vk0 vi2 557 v0 vj1 ..jn−6 vi1 vl0 vi0 vi2 vj0 vk0 597 v0 vj1 ..jn−6 vi1 vi2 vl0 vj0 vi0 vk0
518 v0 vj1 ..jn−6 vi1 vj0 vl0 vi0 vi2 vk0 558 v0 vj1 ..jn−6 vi1 vl0 vi0 vi2 vk0 vj0 598 v0 vj1 ..jn−6 vi1 vi2 vl0 vj0 vk0 vi0
519 v0 vj1 ..jn−6 vi1 vj0 vl0 vk0 vi0 vi2 559 v0 vj1 ..jn−6 vi1 vl0 vj0 vi0 vk0 vi2 599 v0 vj1 ..jn−6 vi1 vi2 vl0 vk0 vi0 vj0
520 v0 vj1 ..jn−6 vi1 vj0 vl0 vk0 vi2 vi0 560 v0 vj1 ..jn−6 vi1 vl0 vj0 vi0 vi2 vk0 600 v0 vj1 ..jn−6 vi1 vi2 vl0 vk0 vj0 vi0

Tabla A.7: 6 ı́ndices (continuación)

164 Demostraciones de Definición de Faceta

601 v0 vj1 ..jn−6 vi2 vi0 vj0 vk0 vl0 vi1 641 v0 vj1 ..jn−6 vi2 vj0 vl0 vi1 vi0 vk0 681 v0 vj1 ..jn−6 vi2 vl0 vj0 vk0 vi0 vi1
602 v0 vj1 ..jn−6 vi2 vi0 vj0 vk0 vi1 vl0 642 v0 vj1 ..jn−6 vi2 vj0 vl0 vi1 vk0 vi0 682 v0 vj1 ..jn−6 vi2 vl0 vj0 vk0 vi1 vi0
603 v0 vj1 ..jn−6 vi2 vi0 vj0 vl0 vk0 vi1 643 v0 vj1 ..jn−6 vi2 vj0 vi1 vi0 vk0 vl0 683 v0 vj1 ..jn−6 vi2 vl0 vj0 vi1 vi0 vk0
604 v0 vj1 ..jn−6 vi2 vi0 vj0 vl0 vi1 vk0 644 v0 vj1 ..jn−6 vi2 vj0 vi1 vi0 vl0 vk0 684 v0 vj1 ..jn−6 vi2 vl0 vj0 vi1 vk0 vi0
605 v0 vj1 ..jn−6 vi2 vi0 vj0 vi1 vk0 vl0 645 v0 vj1 ..jn−6 vi2 vj0 vi1 vk0 vi0 vl0 685 v0 vj1 ..jn−6 vi2 vl0 vk0 vi0 vj0 vi1
606 v0 vj1 ..jn−6 vi2 vi0 vj0 vi1 vl0 vk0 646 v0 vj1 ..jn−6 vi2 vj0 vi1 vk0 vl0 vi0 686 v0 vj1 ..jn−6 vi2 vl0 vk0 vi0 vi1 vj0
607 v0 vj1 ..jn−6 vi2 vi0 vk0 vj0 vl0 vi1 647 v0 vj1 ..jn−6 vi2 vj0 vi1 vl0 vi0 vk0 687 v0 vj1 ..jn−6 vi2 vl0 vk0 vj0 vi0 vi1
608 v0 vj1 ..jn−6 vi2 vi0 vk0 vj0 vi1 vl0 648 v0 vj1 ..jn−6 vi2 vj0 vi1 vl0 vk0 vi0 688 v0 vj1 ..jn−6 vi2 vl0 vk0 vj0 vi1 vi0
609 v0 vj1 ..jn−6 vi2 vi0 vk0 vl0 vj0 vi1 649 v0 vj1 ..jn−6 vi2 vk0 vi0 vj0 vl0 vi1 689 v0 vj1 ..jn−6 vi2 vl0 vk0 vi1 vi0 vj0
610 v0 vj1 ..jn−6 vi2 vi0 vk0 vl0 vi1 vj0 650 v0 vj1 ..jn−6 vi2 vk0 vi0 vj0 vi1 vl0 690 v0 vj1 ..jn−6 vi2 vl0 vk0 vi1 vj0 vi0
611 v0 vj1 ..jn−6 vi2 vi0 vk0 vi1 vj0 vl0 651 v0 vj1 ..jn−6 vi2 vk0 vi0 vl0 vj0 vi1 691 v0 vj1 ..jn−6 vi2 vl0 vi1 vi0 vj0 vk0
612 v0 vj1 ..jn−6 vi2 vi0 vk0 vi1 vl0 vj0 652 v0 vj1 ..jn−6 vi2 vk0 vi0 vl0 vi1 vj0 692 v0 vj1 ..jn−6 vi2 vl0 vi1 vi0 vk0 vj0
613 v0 vj1 ..jn−6 vi2 vi0 vl0 vj0 vk0 vi1 653 v0 vj1 ..jn−6 vi2 vk0 vi0 vi1 vj0 vl0 693 v0 vj1 ..jn−6 vi2 vl0 vi1 vj0 vi0 vk0
614 v0 vj1 ..jn−6 vi2 vi0 vl0 vj0 vi1 vk0 654 v0 vj1 ..jn−6 vi2 vk0 vi0 vi1 vl0 vj0 694 v0 vj1 ..jn−6 vi2 vl0 vi1 vj0 vk0 vi0
615 v0 vj1 ..jn−6 vi2 vi0 vl0 vk0 vj0 vi1 655 v0 vj1 ..jn−6 vi2 vk0 vj0 vi0 vl0 vi1 695 v0 vj1 ..jn−6 vi2 vl0 vi1 vk0 vi0 vj0
616 v0 vj1 ..jn−6 vi2 vi0 vl0 vk0 vi1 vj0 656 v0 vj1 ..jn−6 vi2 vk0 vj0 vi0 vi1 vl0 696 v0 vj1 ..jn−6 vi2 vl0 vi1 vk0 vj0 vi0
617 v0 vj1 ..jn−6 vi2 vi0 vl0 vi1 vj0 vk0 657 v0 vj1 ..jn−6 vi2 vk0 vj0 vl0 vi0 vi1 697 v0 vj1 ..jn−6 vi2 vi1 vi0 vj0 vk0 vl0
618 v0 vj1 ..jn−6 vi2 vi0 vl0 vi1 vk0 vj0 658 v0 vj1 ..jn−6 vi2 vk0 vj0 vl0 vi1 vi0 698 v0 vj1 ..jn−6 vi2 vi1 vi0 vj0 vl0 vk0
619 v0 vj1 ..jn−6 vi2 vi0 vi1 vj0 vk0 vl0 659 v0 vj1 ..jn−6 vi2 vk0 vj0 vi1 vi0 vl0 699 v0 vj1 ..jn−6 vi2 vi1 vi0 vk0 vj0 vl0
620 v0 vj1 ..jn−6 vi2 vi0 vi1 vj0 vl0 vk0 660 v0 vj1 ..jn−6 vi2 vk0 vj0 vi1 vl0 vi0 700 v0 vj1 ..jn−6 vi2 vi1 vi0 vk0 vl0 vj0
621 v0 vj1 ..jn−6 vi2 vi0 vi1 vk0 vj0 vl0 661 v0 vj1 ..jn−6 vi2 vk0 vl0 vi0 vj0 vi1 701 v0 vj1 ..jn−6 vi2 vi1 vi0 vl0 vj0 vk0
622 v0 vj1 ..jn−6 vi2 vi0 vi1 vk0 vl0 vj0 662 v0 vj1 ..jn−6 vi2 vk0 vl0 vi0 vi1 vj0 702 v0 vj1 ..jn−6 vi2 vi1 vi0 vl0 vk0 vj0
623 v0 vj1 ..jn−6 vi2 vi0 vi1 vl0 vj0 vk0 663 v0 vj1 ..jn−6 vi2 vk0 vl0 vj0 vi0 vi1 703 v0 vj1 ..jn−6 vi2 vi1 vj0 vi0 vk0 vl0
624 v0 vj1 ..jn−6 vi2 vi0 vi1 vl0 vk0 vj0 664 v0 vj1 ..jn−6 vi2 vk0 vl0 vj0 vi1 vi0 704 v0 vj1 ..jn−6 vi2 vi1 vj0 vi0 vl0 vk0
625 v0 vj1 ..jn−6 vi2 vj0 vi0 vk0 vl0 vi1 665 v0 vj1 ..jn−6 vi2 vk0 vl0 vi1 vi0 vj0 705 v0 vj1 ..jn−6 vi2 vi1 vj0 vk0 vi0 vl0
626 v0 vj1 ..jn−6 vi2 vj0 vi0 vk0 vi1 vl0 666 v0 vj1 ..jn−6 vi2 vk0 vl0 vi1 vj0 vi0 706 v0 vj1 ..jn−6 vi2 vi1 vj0 vk0 vl0 vi0
627 v0 vj1 ..jn−6 vi2 vj0 vi0 vl0 vk0 vi1 667 v0 vj1 ..jn−6 vi2 vk0 vi1 vi0 vj0 vl0 707 v0 vj1 ..jn−6 vi2 vi1 vj0 vl0 vi0 vk0
628 v0 vj1 ..jn−6 vi2 vj0 vi0 vl0 vi1 vk0 668 v0 vj1 ..jn−6 vi2 vk0 vi1 vi0 vl0 vj0 708 v0 vj1 ..jn−6 vi2 vi1 vj0 vl0 vk0 vi0
629 v0 vj1 ..jn−6 vi2 vj0 vi0 vi1 vk0 vl0 669 v0 vj1 ..jn−6 vi2 vk0 vi1 vj0 vi0 vl0 709 v0 vj1 ..jn−6 vi2 vi1 vk0 vi0 vj0 vl0
630 v0 vj1 ..jn−6 vi2 vj0 vi0 vi1 vl0 vk0 670 v0 vj1 ..jn−6 vi2 vk0 vi1 vj0 vl0 vi0 710 v0 vj1 ..jn−6 vi2 vi1 vk0 vi0 vl0 vj0
631 v0 vj1 ..jn−6 vi2 vj0 vk0 vi0 vl0 vi1 671 v0 vj1 ..jn−6 vi2 vk0 vi1 vl0 vi0 vj0 711 v0 vj1 ..jn−6 vi2 vi1 vk0 vj0 vi0 vl0
632 v0 vj1 ..jn−6 vi2 vj0 vk0 vi0 vi1 vl0 672 v0 vj1 ..jn−6 vi2 vk0 vi1 vl0 vj0 vi0 712 v0 vj1 ..jn−6 vi2 vi1 vk0 vj0 vl0 vi0
633 v0 vj1 ..jn−6 vi2 vj0 vk0 vl0 vi0 vi1 673 v0 vj1 ..jn−6 vi2 vl0 vi0 vj0 vk0 vi1 713 v0 vj1 ..jn−6 vi2 vi1 vk0 vl0 vi0 vj0
634 v0 vj1 ..jn−6 vi2 vj0 vk0 vl0 vi1 vi0 674 v0 vj1 ..jn−6 vi2 vl0 vi0 vj0 vi1 vk0 714 v0 vj1 ..jn−6 vi2 vi1 vk0 vl0 vj0 vi0
635 v0 vj1 ..jn−6 vi2 vj0 vk0 vi1 vi0 vl0 675 v0 vj1 ..jn−6 vi2 vl0 vi0 vk0 vj0 vi1 715 v0 vj1 ..jn−6 vi2 vi1 vl0 vi0 vj0 vk0
636 v0 vj1 ..jn−6 vi2 vj0 vk0 vi1 vl0 vi0 676 v0 vj1 ..jn−6 vi2 vl0 vi0 vk0 vi1 vj0 716 v0 vj1 ..jn−6 vi2 vi1 vl0 vi0 vk0 vj0
637 v0 vj1 ..jn−6 vi2 vj0 vl0 vi0 vk0 vi1 677 v0 vj1 ..jn−6 vi2 vl0 vi0 vi1 vj0 vk0 717 v0 vj1 ..jn−6 vi2 vi1 vl0 vj0 vi0 vk0
638 v0 vj1 ..jn−6 vi2 vj0 vl0 vi0 vi1 vk0 678 v0 vj1 ..jn−6 vi2 vl0 vi0 vi1 vk0 vj0 718 v0 vj1 ..jn−6 vi2 vi1 vl0 vj0 vk0 vi0
639 v0 vj1 ..jn−6 vi2 vj0 vl0 vk0 vi0 vi1 679 v0 vj1 ..jn−6 vi2 vl0 vj0 vi0 vk0 vi1 719 v0 vj1 ..jn−6 vi2 vi1 vl0 vk0 vi0 vj0
640 v0 vj1 ..jn−6 vi2 vj0 vl0 vk0 vi1 vi0 680 v0 vj1 ..jn−6 vi2 vl0 vj0 vi0 vi1 vk0 720 v0 vj1 ..jn−6 vi2 vi1 vl0 vk0 vj0 vi0

Tabla A.8: 6 ı́ndices (continuación)

Bibliografı́a

[1] J. Araque, L. Hall and T. Magnanti. Capacitated trees, capacitated routing and associated
polyhedra, Discussion paper, Center for Operations Research and Econometrics, Catholic
University of Louvain, Belgium, 1990.

[2] F. Afrati, S. Cosmadakis, C. Papadimitriou, G. Papageorgiou, N. Papakostantinou.

The complexity of the travelling repairman problem, RAIRO Informatique Theorique et
Applications 20, 79-87, 1986.

[3] S. R. Agnihothri. A mean value analysis of the travelling repairman problem, IIE Tran-
sactions, 20(2), 223–229, 1998.

[4] A. Archer, A. Leviny and D. Williamson. A Faster, Better Approximation Algorithm

for the Minimum Latency Problem, [Link]/[Link], 2004.

[5] A. Archer and D. Williamson. Faster Approximation Algorithms for the Minimum La-
tency Problem, Proceedings of the fourteenth annual ACM-SIAM Symposium on Dis-
crete algorithms, Baltimore, 2003.

[6] S. Arora and G. Karakostas. Approximation Schemes for Minimum Latency Problem,
Proceedings of the thirty-first annual ACM Symposium on Theory of computing, Atlan-
ta, 688-693, 1993.

[7] G. Ausiello, S. Leonardi, and A. Marchetti-Spaccamela. On salesmen, repairmen, spi-

ders and other traveling agents, Proc. of the Italian Conference on Algorithms and
Complexity, 1-16, 2000.

[8] I. Averbakh and O. Berman. Sales-delivery man problems on treelike networks, Networks
25, 45–58, 1995.

[9] J. Beasley. Lagrangean relaxation, ch. 6, Modern Heuristic Techniques for Combinatorial
Problems, Blackwell Scientific Publications, 1993.

[10] M. Benichou, J. Gauthier, P. Girodet, G. Hehntges, G. Ribiere, and O. Vincent. Ex-

periments in Mixed Integer Linear Programming, Mathematical Programming 1, 76-94,
1971.

165
166 BIBLIOGRAFÍA

[11] L. Bianco, A. Mingozzi, and S. Ricciardelli. The traveling salesman problem with cumu-
lative costs, Networks 23(2), 81-91, 1993.

[12] A. Blum, P. Chalasani, D. Coppersmith, B. Pulleyblank, P. Raghavan and M. Sudan,

The Minimum Latency Problem, Proceedings of 26th ACM Symp. on Theory Of Com-
puting (STOC), 163-171, 1994.

[13] K. Chaudhuri, B. Godfrey, S. Rao and K. Talwar. Paths, Trees, and Minimum Latency
Tours, Proc. 44th IEEE Symposium on Foundations of Computer Science (FOCS), 2003.

[14] T. Christof, A. Löbel and M. Stoer. PORTA POlyhedron Representation Transforma-

tion Algorithm, version 1.3.2, 1997, Konrad-Zuse-Zentrum für Infortionstechnik (ZIB),
Alemania.

[15] V. Chvatal. Hamiltonian cycles, in: The traveling salesman problem - A guided tour of
combinatorial optimization, L. Lawler, J. Lenstra, A. Rinnooy Kan, D. Shmoys (Eds.),
Wiley & Sons, Chichester, 403-429, 1985.

[16] S. Cook. The complexity of theorem-proving procedures, 3rd Annual ACM Symposium
on Theory of Computing Machinery, 151-158, 1971.
[17] CPLEX Linear Optimization 8.1 with Mixed Integer & Barrier Solvers, ILOG, 1997-
1998.

[18] H. Crowder, E. Johnson and M. Padberg. Solving large scale zero-one linear program-
ming problems, Operations Research 31, 803-834, 1983.

[19] G. B. Dantzig, D.R. Fulkerson and S. M. Johnson, Solution of a Large-Scale Travelling

Salesman Problems, Operations Research 2, 393-410, 1954.

[20] C. A. van Eijl, A polyhedral approach to the delivery man problem, Memorandum CO-
SOR 95-19, Eindhoven University of Technology, 1995.
[21] E. Feuerstein and L. Stougie, On-line single-server dial-a-ride problems, Theoretical
Computer Science 268(1), 91–105, 2001.

[22] M. Fischetti, G. Laporte and S. Martello, The Delivery Man Problem and Cumulative
Matroids, Operations Research 41(6), 1055-1064, 1993.

[23] K. Fox, B. Gavish and S. Graves, An n-Constraint Formulation of the (Time-Dependent)

Traveling Salesman Problem, Operations Research 28(4), 1018-1021, 1980.

[24] A. Garcı́a, P. Jodrá, J. Tejel, A note on the travelling repairman problem, Networks
40(1), 27-31, 2002.
[25] P. Gilmore and R. Gomory. A Linear Programming Approach to the Cutting Stock
Problem, Operations Research 9, 849-859, 1961.
BIBLIOGRAFÍA 167

[26] M. Goemans and J. Kleinberg. An improved approximation ratio for the minimum la-
tency problem, Mathematical Programming 82, 111-124, 1998.

[27] M. Goemans and D. Williamson. A general approximation technique for constrained

forest problems, SIAM Journal on Computing 24, 296-317, 1995.

[28] M. Garey and D. Johnson. Computers and Intractability: A Guide to the Theory of
NP-Completeness, Freeman and Co., San Francisco, 1979.

[29] R. Gomory. Outline of an algorithm for integer solution to linear programs, Bulletin
American Mathematical Society 64, 275-278, 1958.

[30] M. Grötschel, M. Jünger and G. Reinelt. A Cutting Plane Algorithm for the Linear
Ordering Problem, Operations Research 32, 1195-1220, 1984.

[31] M. Grötschel, M. Jünger and G. Reinelt. Facets of the linear ordering polytope, Mathe-
matical Programming 33, 43-60, 1985.

[32] M. Grötschel, L. Lovasz and A. Schrijver. The ellipsoid method and its consequences in
combinatorial optimization, Combinatorica 1, 169-197, 1981.

[33] M. Grötschel and M. Padberg. On the Symmetric Traveling Salesman Problem I: in-
equalities, Mathematical Programming 16, 265-280, 1979.

[34] R. Karp. Reducibility among combinatorial problems, in Complexity of Computer Com-

putations, R. Miller and J. Thatcher (Eds.), Plenum Press, New York, 85-104, 1972.

[35] G. Karakostas, Results on Approximation Algorithms, Ph.D. Thesis, Princeton Univer-

sity TR-625-00, 2000.

[36] E. Koutsoupias, C. H. Papadimitriou, and M. Yannakakis, Searching a Fixed graph,

ICALP, 280-289, 1996.

[37] S. Krumke, W. de Paepe, D. Poensgen, and L. Stougie, News from the online traveling
repairman, Lecture Notes in Computer Science 2136, 487-498, 2001.

[38] S. Lin. Computer Solutions of the Traveling Salesman Problem, Bell Syst. Tech. J. 44,
2245-2269, 1965.

[39] A. Lucena. Exact solution approaches for the vehicle routing problem. Ph.D. Thesis,
Imperial College, University of London, 1986.

[40] A. Lucena. Time-Dependent Traveling Salesman Problem - The Deliveryman Case, Net-
works 20, 753-763, 1990.

[41] E. Minieka. The Delivery Man Problem on a Tree Network, Annals of Operations Re-
search 18, 261-266, 1989.
168 BIBLIOGRAFÍA

[42] G. Nemhauser and L. Wolsey. Integer Programming and Combinatorial Optifization,

John Wiley and Sons, 1988.
[43] M. Padberg and G. Rinaldi. A branch-and-Cut algorithm for the resolution of a large
scale symmetric traveling salesman problems, SIAM review 33, 60-100, 1991.
[44] C. Papadimitriou and K. Steiglitz. Combinatorial optimization: Algorithms and com-
plexity, Prentice Hall, 1985.
[45] J. Picard and M. Queyranne. The Time-Dependent Traveling Salesman Problem and Its
Application to the Tardiness Problem in One-Machine Scheduling, Operations Research
26(1), 86-110, 1978.
[46] M. Queyranne and A. Schulz. Polyhedral Approaches to Machine Scheduling, Technical
University of Berlin, Preprint 408/1994, 1994.
[47] J. van den Akker, C. van Hoesel and M. Savelsbergh. A Polyhedral Approach to
Single-Machine Scheduling Problems, Mathematical Programming 85, 541-572, 1999.
[Link]
[48] S. Sahni, T. Gonzalez. P-complete approximation problems, Journal of the Association
for Computing Machinery 23, 555-565, 1976.
[49] D. Simchi-Levi and O. Berman, Minimizing the total flow time of n jobs on a network,
IIE Trans 23, 236-244, 1991.
[50] R. Sitters. The minimum latency problem is NP-hard for weighted trees, in Proceedings
of the 9th Conference on Integer Programming and Combinatorial Optimization, 230-
239, 2002.
[51] R. Sitters. Complexity and Approximation in Routing and Schedu-
ling, Ph.D. Thesis, Technische Universiteit Eindhoven, 2004, [Link]-
[Link]/∼sitters/papers/[Link].
[52] Toth, P. and Vigo D. Eds. The Vehicle Routing Problem, SIAM, Monographs on Discrete
Mathematics and Applications, 2002.
[53] R. Vander Wiel and N. Sahinidis. Heuristic bounds and test problem generation for
the time-dependent traveling salesman problem, Transportation Science 29(2), 167-183,
1995.
[54] J. Tsitsiklis. Special cases of traveling salesman and repairman problems with time win-
dows, Networks 22, 263-282, 1992.
[55] I. Webb. Depth-first solutions for the deliveryman problem on tree-like networks: an
evaluation using a permutation, Lecture Notes in Computer Science 2368 (SWAT 2002),
190–199, 2002.
BIBLIOGRAFÍA 169

[56] B. Wu. Polynomial time algorithms for some minimum latency problems, Information
Processing Letters 75(5), 225–229, 2000.

[57] B. Wu, Z. Huang and F. Zhan. Exact algorithms for the minimum latency problem,
Information Processing Letters 92(6), 303-309, 2004.

[58] C. Yang. A dynamic programming algorithm for the travelling repairman problem, Asia-
Pacific Journal of Operations Research 6, 192-206, 1989.