UNIVERSIDAD REGIONAL AUTONOMA DE LOS ANDES “UNIANDES”
FACULTAD DE SISTEMAS MERCANTILES CARRERA DE SISTEMAS
ARTICULO CIENTIFICO PREVIO A LA OBTENCION DEL TITULO DE INGENIERO EN SISTEMAS E INFORMATICA
TEMA: Algoritmo TSP en modo Asimétrico y Simétrico para identificar las zonas turísticas de Puyo
AUTOR (A): Sr.Pazmiño Rayo David Alejandro
TUTOR (A): Ing. Delfín Bernabé Ortega Tenezaca. Mgs
CERTIFICACION DEL TUTOR DEL TRABAJO DE TITULACION
CERTIFICACION:
Quien suscribe, legalmente CERTIFICO QUE: El presente Trabajo de Titulación
realizado por el Sr. Pazmiño Rayo David Alejandro, estudiante de la carrera de
Sistemas, Facultad de Sistemas Mercantiles, con el tema “Algoritmo TSP en
modo Asimétrico y Simétrico para identificar las zonas turísticas de Puyo” ha sido
prolijamente revisado, y cumple con todos los requisitos establecidos en la
normativa pertinente de la Universidad Regional Autónoma de los Andes –
UNIANDES - por lo que apruebo su presentación.
Puyo, mayo del 2019
CERTIFICACION DE AUTORIA
Yo, Pazmiño Rayo David Alejandro, estudiante de la Carrera de Sistemas, Facultad de Sistemas Mercantiles, declaro que todos los resultados obtenidos
en el presente artículo científico, previo a la obtención del título de INGENIERO
EN SISTEMAS E INFORMÁTICA, son absolutamente originales, auténticos y
personales; a excepción de las citas, por lo que son de mi exclusiva
responsabilidad.
APROBACION DEL TRIBUNAL
El tribunal de grado, aprueba el trabajo de investigación, sobre el tema: “Algoritmo TSP en modo Asimétrico y Simétrico para identificar las zonas turísticas de Puyo”, elaborado por el Sr. Pazmiño Rayo David Alejandro,
mediante la modalidad de Artículo Científico, como forma de titulación
estructurado de forma independiente, y la defensa de grado guarda conformidad
con las disposiciones reglamentarias de la Universidad Autónoma de los Andes “UNIANDES”, Facultad de Sistemas Mercantiles.
DEDICATORIA
Este trabajo de investigación va dedicado a todas las personas que han apoyado
y han hecho posible su realización; principalmente agradezco a Dios y mi familia
por estar siempre presentes en cada instante de mi vida, apoyándome y
dándome fuerzas en los momentos más difíciles durante, todo el proceso
investigativo. A mis compañeros de estudio, ya que con ellos compartimos
momentos importantes de nuestras vidas desde el inicio hasta el fin. A mis
docentes que supieron compartir sus conocimientos sin ninguna restricción, de
una forma muy profesional, y a mi querida Institución que ha permitido forjarme
para una vida profesional.
AGRADECIMIENTO
Primeramente quiero expresar mi agradecimiento a Dios y a mis padres que han
sabido guiarme por la senda correcta para terminar con mis estudios y lograr con
el sueño anhelado.
A mis docentes de la carrera de Sistemas, ya que gracias a sus conocimientos
compartidos, que han sido muy valiosos e importantes, para mi formación
académica y para fomentarme un buen futuro.
A mi tutor de tesis Ing. Bernabé Ortega.Mgs, maestro, quien han puesto todo su
contingente, para apoyarme en la realización de este trabajo de titulación con
mucho esmero y dedicación.
A la Ing. Tania Cevallos por ayudarme con la información necesaria para poder
fomentar mejor mi trabajo de titulación.
RESUMEN
El algoritmo traveling salesman problem TSP ha sido ampliamente utilizado en
varios campos de la ciencia como optimización de algoritmos genéticos,
posicionamiento de telescopios, operaciones geométricas, entre otros. En el
presente trabajo se realizó un aplicativo web heterogéneo, independiente
denominado TSP Tour Puyo, desplegado en forma local, en base al análisis
discriminatorio aplicada a las preferencias de los turistas, desde el punto de
ubicación del visitante de donde se obtiene una ruta administrable de recorrido
óptimo, establecido para reducir el costo, administración de tiempo y búsqueda
de la distancia óptima de llegada en automóvil o a pie, utilizando para ello los
modos asimétrico y simétrico del mencionado algoritmo, para obtener mejores
aportes se aplica sobre una base referencial de 68 registros geolocalizados en
los cuales están divididos en culturales y turísticos. Por otra parte los sitios de
diversión son los bares y discotecas, todos clasificados heterogéneamente de
la ciudad de Puyo-Pastaza respectivamente georreferenciados para una mejor
búsqueda de las rutas óptimas.
Palabras Clave
Algoritmo de Viajero, asimétrico, simétrico, atractivos, discotecas, sitios
1 INTRODUCCION
El viajero que llega a visitar los sitios turísticos muchas veces desconoce la
existencia de rutas óptimas para llegar a la ubicación de varios sitios turísticos,
para ello debe tener una idea, por donde puede comenzar para visitar los
distintos sitios, en el menor tiempo determinado, al menor costo y menor
distancia posible, todo con el afán de satisfacer las necesidades de visita. Para
ello desarrollamos una aplicación web basada en el algoritmo de viajero TSP,
que trata de un modelo de asignación de rutas entre los sitios turísticos, teniendo
en cuenta la geolocalización actual del viajante.
Los estudios realizados entre los 68 sitios de distracción, los cuales están
derivados en sitios turísticos y culturales, al igual que en sitios de diversión como
en bares y discotecas. Todos ubicados en la ciudad de Puyo-Pastaza,
mencionan que dicha aplicación web satisface las necesidades de los viajeros,
ya que mediante una encuesta heterogénea de 8 preguntas, se determina la ruta
óptima a los sitios turísticos o de diversión. Dicho algoritmo ha sido
implementado en varios campos tecnológicos como la salud, espacial o en
algoritmos genéticos, entre otros, ya que favorece mucho su ruta de optimización
combinatoria en sus distintos campos.
Muchos de los problemas denominados hard son computacionalmente
equivalentes. Es decir un algoritmo polinómico que puede usarse para resolver
estos problemas, esto se le denomina NP-duro (NP-hard) (Pérez de Vargas Moreno
2015).
Para tener una mejor facilidad del viajante al momento de hacer uso del aplicativo
web, se agrega el modo asimétrico representado en un ícono de automóvil y el
modo simétrico representado en una persona a pie. Dando así una idea clara y
dinámica de los sitios que se deberían visitar. Dado que dichos modos son muy
diferentes, se agrega a la ruta, el tiempo del punto A al punto B, el total de tiempo
que demorara en recorrer los sitios asignados y su kilometraje desde el punto A
al B unitario y total.
Al momento de iniciar la minería de datos, se tiene en cuenta el sitio
geolocalizado del viajante, la categoría, lo que ofrecen los sitios turísticos al
2
este caso la aplicación filtra la edad del usuario, permitiendo definir sitios de
diversión a personas adultas. Con los datos cuantitativos se pudo completar la
información necesaria para desarrollar la aplicación, teniendo así una mejor
interacción entre el usuario y ApiRest.
METODOS:
Bajo una arquitectura MVC (Modelo Vista Controlador, se desarrolló una
aplicación web ApiRest, basada en Python, con un Framework Ionicc App), como
Front End se usó angular 7 debido a que es una herramienta libre basado en
eventos que corre del lado del servidor. La comunicación interna de los
componentes y el servicio de aprovisionamiento de registros provenientes del
motor de base de datos PostgresSql. Se utilizó librerías httpClient por medio de
peticiones http. A través de las peticiones httpClient y httpClientModule de forma
local. Para el módulo de geolocalización y uso de coordenadas se usó el servicio
de Google Maps a través de un de GPS para ubicar los distintos sitios de
referencia. Dicha aplicación consto con el modo asimétrico y simétrico así
complementado la interacción entre usuario y aplicación. También se usó
Leafltet para la manipulación de mapas, a través de una instalación de su
biblioteca usando NPM. Leaflet es una librería basada en JavaScript, para hacer
mapas interactivos (Mansilla 2018)
Procedimiento de obtención de datos: Se recolecto la información ineludible para
ubicar los sitios turísticos y sus distancias de punto a punto, desarrollando un
análisis sobre cada sitio y sus derivados.
Se toma como referencia: Por medio de la geolocalización permite acceder al
punto 0, el cual es el sitio donde se encuentra el usuario. A través de una filtración
de datos, permite definir las preferencias del usuario. Para definir los sitios
turísticos que debería visitar, se realizó una serie de 8 preguntas en las cuales
constan edad, género, sitios que prefiere visitar, dando una expectativa de los
sitios georeferenciados a los cuales el viajante podría visitar, con el cuidado que
solo debe pasar una sola vez por las rutas trazadas, logrando así optimizar los
gastos innecesarios que haría el viajante para llegar a los sitios, se reduce el
tiempo ya que se trazarían rutas alternas y la distancia que permitiría acortar de
3 RESULTADOS
El estudio se llevó a cabo mediante una investigación experimental. Según datos
del ministerio de turismo se determina el tamaño de la población que es de 10000
visitantes. Se tomó en consideración una muestra de 370 usuarios basándose
en la fórmula de (Badii, Castillo et al. 2017)
Figura 2. Resultados de las Encuestas Fuente: Elaboración Propia
En la Figura número 2 se puede apreciar que varios de los usuarios encuestados
dieron sus recomendaciones a partir de hacer uso de la aplicación TSP, varios
de los usuarios decidieron que el tema es confiable también para el ámbito
ambiental, como es el cálculo de sitios de reforestación en algún ecosistema, por
otra parte está el ámbito económico, que puede ayudar a ubicar los sitios de
cajeros automáticos de alguna entidad bancaria.
En la parte de escalabilidad varios de los usuarios definieron que se debería
seguir con el tema de identificación de los sitios turísticos y fomentar más aun la
aplicación para una mejor interacción entre usuario y aplicación. 0
100 200 300 400 500 600 700 800
Total
Total
𝑛 =
𝑧
2
𝑝𝑞
𝑑
2
Figura 1. Fórmula para sacar la muestra
4 Tabla 1. Programación Entera
En el ámbito social define que la aplicación permite identificar las zonas
turísticas, con la recomendación que también la aplicación debería estar
enlazada a redes sociales, para dar la localización de la posición actual del
usuario.
Por otro punto los usuarios definieron que también el algoritmo de viajero podría
ayudar en la optimización de la emergencia como son, en ambulancias.
Si ℐ = {1, … . , 𝑛} ⟹ 𝑃𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑐𝑖𝑜𝑛 𝐿𝑖𝑛𝑒𝑎𝑙 𝐸𝑛𝑡𝑒𝑟𝑎 𝑃𝑢𝑟𝑎.
Si ℐ ≠ {1, … . , 𝑛} ⟹ 𝑃𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑐𝑖𝑜𝑛 𝐿𝑖𝑛𝑒𝑎𝑙 𝐸𝑛𝑡𝑒𝑟𝑎 𝑀𝑖𝑥𝑡𝑎.
Si 𝑥𝒾 ∈ {0,1 },∀ 𝒾 ∈ ℐ ⇒𝑃𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑐𝑖𝑜𝑛 𝐵𝑖𝑛𝑎𝑟𝑖𝑎 𝑜 0−1.
Fuente: Elaboración Propia
La validación del aplicativo web desarrollada para este efecto se lo realizó a
través de su divulgación a 63 profesionales de turismo de la provincia de Pastaza, Macas, Baños, entre otros en la capacitación “Marketing Turístico”
organizada por el Ministerio de Turismo y la Universidad Estatal Amazónica.
Según los expertos Juarez & Cebrián (2016) definen a cada sitio como:
Tabla 2. Clasificación de los Sitios de Distracción
Notación Categoría Descripción
A Turísticos Son actividades que realizan las personas durante
sus viajes y estancias en lugares distintos de su
entorno habitual, por un periodo de tiempo
consecutivo inferior a un año con fines de ocio.
𝑚í𝑛 𝑐𝑡𝑥 𝐴𝑥 ≤ 𝑏 𝑥 ≥ 0
5
B Discotecas Se los puede llamar también como bares con música,
salas de fiesta, estos son establecimientos de
restauración que ofrecen oferta de entretenimiento
C Culturales Son aquellos viajes que se realizan con el objetivo de
conocer la historia, costumbres y tradiciones del
destino, a través de manifestaciones culturales, de la
visita de monumentos, museos y barrios singulares,
del acercamiento a sus raíces gastronómicas, etc.
D Bares Son aquellos establecimientos que disponen de barra
o servicio de mesas para proporcionar al público,
mediante precio, bebidas, que pueden acompañarse
o no de tapas y bocadillos, fríos o calientes, para
consumirlos en el mismo local.
Fuente: Elaboración Propia
Fuente: Elaboración Propia
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 ∑
𝑛
𝑖=1
∑ 𝑑𝑖𝑗𝑥𝑖𝑗 𝑛
𝑗=1
𝑆𝑢𝑗𝑒𝑡𝑜 𝑎: ∑ 𝑥𝑖𝑗 = 1, 𝑖 = 1,2, … , 𝑛 (1)
𝑛
𝑗=1
𝑆𝑢𝑗𝑒𝑡𝑜 𝑎: ∑ 𝑥𝑖𝑗 = 1, 𝑗 = 1,2, … , 𝑛 (2)
𝑛
𝑖=1
6 Figura 3. Sitios Turísticos y Culturales encontrados Fuente: Elaboración Propia
En la Figura número 3 se obtienen los sitios turísticos dependiendo de las
preferencias que haya señalado el usuario, también se señala que la aplicación
permite eliminar varios sitios turísticos que el usuario no quiera que el algoritmo
le marque en la ruta turística.
Figura 4. Mapa de Sitios Turísticos geolocalizados Fuente: Elaboración Propia
En la Figura número 4 el algoritmo muestra la solución hacia los sitios turísticos
y culturales junto con el comportamiento de la convergencia. En la gráfica el
7
Figura 5. Resultado final de los Sitios encontrados en el modo Asimétrico Fuente: Elaboración Propia
Los sitios turísticos y culturales deben ser recorridos en el orden en que calculo
el algoritmo en el modo asimétrico, en este caso desde la posición actual en la
que se encuentre el usuario se marcan los sitios a recorrer: Museo Etno-Arqueológico de Puyo, Casa Museo “Jesús Escobar Sancho”,
Paseo Turístico del Río Puyo, Malecón Boayaku Puyu, Balneario Dique Río
Pambay, Finca Agroindustrial y Turística Saquifrancia, Parque Etno-Botánico Omaere, Parque Real de Aves Exóticas, Jardín Botánico “Las Orquídeas”, Dique
Las Palmas, Museo Colegio Pastaza, Plaza Cívica Héroes del Cenepa, Parque de la Mujer, Sendero Etno-Botánico “Laudato Si”, Parque Acuático Morete Puyu,
Parque 12 de mayo.
8
Por otra parte también el algoritmo calcula en el modo simétrico, en el que los
lugares cambian de ruta hacia los distintos sitios. A continuación se menciona
los sitios a recorrer en este modo desde la posición actual en la que se encuentre
el usuario:
Parque Acuático Morete Puyu, Sendero Etno-botánico “Laudato Si”, Parque de
la Mujer, Plaza Cívica Héroes del Cenepa, Museo Colegio Pastaza, Dique Las Palmas, Jardín Botánico “Las Orquídeas”, Parque Real de Aves Exóticas,
Parque Etno-botánico Omaere, Finca Agroindustrial y Turística Saquifrancia,
Balneario Dique Río Pambay, Malecón Boayaku Puyu, Paseo Turístico del Río Puyo, Casa Museo “Jesús Escobar Sancho”, Parque 12 de Mayo, Museo
Etno-Arqueológico de Puyo.
DISCUSION
La aplicación obtenida centra al usuario en contestar una encuesta de
preferencias, cuyo análisis de respuestas, se aplica en el algoritmo de forma
transparente y se obtienen los resultados sugeridos, el mismo ha sido valorado
por profesionales del área y emprendedores de las provincias amazónicas.
De acuerdo a la Tabla Número 4, se obtienen las siguientes matrices de
confusión por cada nomenclatura
Tabla 4. Valores internos de los Sitios Turísticos
A 0 1 2 3 4 5 6 7 8 9 10 11
0 0,00 1732,50 931,20 4162,10 5797,10 1200,30 1822,20 1057,40 1068,00 3340,70 1218,60 3333,90
1 1688,40 0,00 2709,60 5779,60 6511,50 3910,10 1630,60 1016,50 1027,10 4055,10 1933,00 1512,80
2 931,20 2631,50 0,00 2502,20 5339,50 572,50 3153,20 1956,50 1967,10 2883,20 1335,70 3690,20
3 4856,90 6359,50 3281,60 0,00 8231,50 3617,70 5043,10 4643,70 4654,30 5775,20 5480,70 5580,20
4 5131,60 6105,10 5329,40 7271,80 0,00 5604,70 8185,40 5430,00 5440,60 2697,50 4406,30 7417,80
5 1309,80 3897,10 572,50 3053,50 5617,10 0,00 2580,70 2181,30 2191,90 3160,80 1604,80 3117,70
6 1882,90 2483,90 3166,20 4463,10 8210,80 2593,70 0,00 1493,40 1504,00 5754,40 2614,20 1704,50
7 1057,40 846,50 2034,60 4063,80 5836,40 2194,30 1710,90 0,00 10,60 3380,10 1258,00 2159,30
8 1068,00 587,10 2045,20 4074,30 5847,00 2204,90 1721,50 10,60 0,00 3390,70 1268,50 2169,90
9 2675,30 3648,70 2873,00 4815,50 2697,50 3148,30 5729,00 2973,70 2984,30 0,00 1950,00 4961,50
10 1013,20 1933,00 1401,50 3958,60 4700,70 1571,60 2614,20 1258,00 1268,50 2244,30 0,00 3245,80
11 3001,20 1512,80 3703,20 5000,20 7824,20 3130,80 1704,50 2329,20 2339,80 5367,90 3245,80 0,00
Fuente: Elaboración Propia
9
La variable distancia marca la extensión que hay el total de tiempo y metros
entre todos los distintos sitios a recorrer, esto es una forma de interpretación del
algoritmo internamente. La ruta muestra los sitios a recorrer para luego
desplegarlos en la interfaz para el usuario. Dando así una buena geolocalización
hacia los sitios turísticos.
Tabla 5. Valores internos de los lugares encontrados “Discotecas”
B 0 1 2 3 4 5 6 7
0 0 1601,2 1727 1710 1194,9 1783,6 1907,1 1711,1 1 1083,3 0 304,7 287,7 2518,7 583,5 362,4 288,8
2 1330,5 252,4 0 17 2765,9 279 52,8 15,9
3 1313,4 235,3 17 0 2748,9 281,3 55,2 1,1
4 1186,6 2160,9 2286,7 2269,7 0 2298,5 2466,8 2270,8 5 1525 583,5 337,7 354,7 2163,2 0 317,2 353,6
6 1389,3 362,4 52,8 55,2 2174,2 317,2 0 54,1
7 1314,6 236,5 15,9 1,1 2750 280,2 54,1 0
Fuente: Elaboración Propia
Distancia: 13,12 Ruta: 0, 4, 5, 6, 2, 7, 3, 1
En la tabla Número 5 se muestra los sitios identificados hacia zonas de diversión “Discotecas” el cual marca una distancia en metros y una ruta.
Tabla 6. Valores internos de los Sitios Culturales
C 0 1 2 3 4 5 6
0 0 1609,6 1482 1525,3 2987,7 171,8 587,4
1 1801 0 36 2227,1 1521,3 1613,6 1657,7
2 1837 36 0 2263,1 1602,6 1649,6 1784,4
3 1582,9 2346 2218,4 0 2703 1449,5 1530
4 2893,9 1535 1570,9 2703 0 2706,5 1450,6
5 398,3 2138,2 2010,6 1396,8 3941,8 0 82,5
6 1020,1 1478,1 1577,5 1231,2 88,9 1788 0
Fuente: Elaboración Propia
Distancia: 14,12 Ruta: 0, 5, 3, 4, 2, 1
En la tabla Número 6 se muestra los sitios culturales que reconoció la aplicación
basándose en la encuesta realizada al viajante para dar una idea clara y concisa
10 Tabla 7. Valores internos de los Sitios Bares
D 0 1 2 3 4 5 6 7 8 9 10 11
0 0 1162,3 1527 1619,5 1222,1 1709 1706 970,3 1174 1425,3 1009,7 1803,1 1 923,4 0 1773,1 1939 819,3 2028,4 2281,6 60,3 577 1744,8 914,4 2166,6 2 906 1610,6 0 1892,5 2175,7 1881,7 2134,9 1550,3 2181,6 1881,1 2353,8 2302,9 3 1228,1 2126,2 1842,5 0 1886,1 338,7 109,7 2661,6 1629,1 194,2 1650,2 480,2 4 1184,7 694,8 2390,9 1886,1 0 1975,5 2517,3 715,6 257 1691,9 204,7 2604,3 5 1196,3 2094,4 1810,7 310,1 1975,5 0 253,2 1914 1718,6 283,6 1739,7 623,6 6 1337,8 2236 1952,3 109,7 1995,9 253,2 0 1894,5 1738,8 303,9 1832,8 370,4 7 967,1 60,3 1712,9 1959,7 848,2 2049,2 2302,4 0 674,1 1765,6 780,8 2187,3 8 1246,5 646,8 2342,8 1629,1 257 1718,6 1971,8 667,5 0 1434,9 106,6 1829,3 9 1202,7 2100,8 1817,1 194,2 1691,9 283,6 536,8 1630,3 1434,9 0 1456 521,2 10 1302,2 753,4 2449,4 1650,2 363,6 1739,7 2444,1 774,2 106,6 1456 0 1692,2 11 1638,5 2075,6 2252,9 455,5 1893,5 804,8 370 1883,6 1636,5 521,2 1692,2 0 Fuente: Elaboración Propia
Distancia: 20,92 ruta: [0,1,7,4,10,8,9,5,6,3,11,2]
En la tabla Número 7, los sitios identificados como bares, llevan más rutas por
tanto el algoritmo debe buscar la mejor ruta para que el usuario pueda visitar
cada uno de ellos, en el menor tiempo posible.
CONCLUSIONES
De acuerdo a los resultados obtenidos, se determina que el algoritmo TSP
asimétrico y simétrico no presenta una diferencia significativa en cuanto a su
ejecución con muestras aleatorias de 68 entidades tomadas como referencia, y
no depende de la geoubicación relativa. Además se destaca que la aplicación es
dinámica, para siempre dar diferentes resultados a los usuarios, según sus
preferencias que hayan elegido al momento de llenar las preguntas. Los usuarios
encontraron innovador y también fácil de usar al momento de asignar los sitios
turísticos, para la respectiva búsqueda con ayuda del algoritmo TSP.
Con los parámetros ya mencionados anteriormente se quiso demostrar que la
identificación de rutas hacia las zonas turísticas es un tema que esta enlazado a
la vida real, ya que permite optimizar el tiempo, el costo y la distancia hacia los
Referencias Bibliográficas
Apáthy M, S. (2017) “Practical Route Planning Algorithm”, Periodica Polytechnica
Transportation Engineering, 45(3), pp. 133-140. Doi:
https://doi.org/10.3311/PPtr.9916.
Ayala, I, Mandow, L., Amor, M., & Fuentes, L. (2017). A mobile and interactive multiobjective urban tourist route planning system. Journal of Ambient Intelligence and Smart Environments, 9(1), 129-144. Doi: 10.3233/AIS-160413.
Badii, M. H., Castillo, J., & Guillen, A. (2017). Tamaño óptimo de la
muestra. InnOvaciOnes de NegOciOs, 5(9). Obtenido de
http://revistainnovaciones.uanl.mx/index.php/revin/article/view/199/184
Bartoněk D. (2017). Extended Algorithm for Travelling Salesman Problem with Conditions in Nodes. Social Interactions and Networking in Cyber Society.
Springer, Singapore. 199-207. Doi:
https://doi.org/10.1007/978-981-10-4190-7_16.
Bo Huang, Li Yao & K. Raguraman (2006) Bi-level GA and GIS for Multi-objective
TSP Route Planning, Transportation Planning and
Technology, 29(2), 105-124, Doi: 10.1080/03081060600753404.
Clausen, J. (1999). Branch and bound algorithms-principles and
examples. Department of Computer Science, University of Copenhagen,
1-30. Obtenido de:
https://janders.eecg.utoronto.ca/1387/readings/b_and_b.pdf.
Crişan, G.C., Pintea, CM. & Palade, V. Knowl. (2017). Emergency management using geographic information systems: application to the first Romanian traveling salesman problem instance Vol 50.pp 265. Obtenido de https://doi.org/10.1007/s10115-016-0938-8.
Derrough, J. (2013). Instant Interactive Map Designs with Leaflet JavaScript Library How-to. Packt Publishing Ltd.
Friggstad, Z., Gollapudi, S., Kollias, K., Sarlos, T., Swamy, C., & Tomkins, A. (2018, February). Orienteering algorithms for generating travel itineraries. In Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining (pp. 180-188). ACM.
Gavalas, D., Kenteris, M., Konstantopoulos, C., & Pantziou, G. (2012). Web application for recommending personalised mobile tourist routes. IET software, 6(4), 313-322. Doi: 10.1049/iet-sen.2011.0156.
Haisheng, S., Genggeng, L., & Anguo, L. (2017). A construction algorithm for TSP based on hierarchical model. Microcomputer & Its Applications, (6), 5.
Juarez, L. O., & Cebrián, R. G. (2016). Estructura del mercado turístico 2. Madrid, España, SA. Editorial Paraninfo.
Kobeaga, G., Merino, M., & Lozano, J. A. (2018). An efficient evolutionary algorithm for the orienteering problem. Computers & Operations Research, 90, 42-59. Doi: https://doi.org/10.1016/j.cor.2017.09.003.
López, N., & Sandoval, I. (2016). Métodos y técnicas de investigación cuantitativa
y cualitativa. Obtenido de:
http://recursos.udgvirtual.udg.mx/biblioteca/bitstream/20050101/1103/1/ Metodos_y_tecnicas_de_investigacion_cuantitativa_y_cualitativa.pdf.
Mansilla, S. (2018). Reactive Programming with RxJS 5: Untangle Your Asynchronous JavaScript Code. Pragmatic Bookshelf.
Nakamura, K., & Shimbo, I. (2016, October). Formulation and solution method of tour conducting knapsack problem. In 2016 IEEE 5th Global Conference
on Consumer Electronics (pp. 1-2). IEE Doi:
10.1109/GCCE.2016.7800387.
Nitti, M., Pilloni, V., Giusto, D., & Popescu, V. (2017). Iot architecture for a sustainable tourism application in a smart city environment. Mobile Information Systems, 2017. Doi: https://doi.org/10.1155/2017/9201640.
Osaba, E., Del Ser, J., Sadollah, A., Bilbao, M. N., & Camacho, D. (2018). A discrete water cycle algorithm for solving the symmetric and asymmetric traveling salesman problem. Applied Soft Computing, 71, 277-290. Doi: https://doi.org/10.1016/j.asoc.2018.06.047.
Özcan, S. C., & Kaya, H. (2018, October). An Analysis of Travelling Salesman Problem Utilizing Hill Climbing Algorithm for a Smart City Touristic Search on OpenStreetMap (OSM). 2018 2nd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT) (pp. 1-5). IEEE. Doi: 10.1109/ISMSIT.2018.8567045.
Pan, Q., & Wang, X. (2018). Independent travel recommendation algorithm based on analytical hierarchy process and simulated annealing for
professional tourist. Applied Intelligence, 48(6), 1565-1581. Doi:
https://doi.org/10.1007/s10489-017-1014-0.
Perera, D., Rathnayaka, C., Dilan, S., Siriweera, L., & Rankothge, W. H. (2018, December). Sustainable Tourism: Application of Optimization Algorithms to Schedule Tour Plans. In 2018 IEEE Region 10 Humanitarian Technology Conference (R10-HTC) (pp. 1-6). IEEE. Doi: 10.1109/R10-HTC.2018.8629826.
métodos heurísticos de búsqueda local. Obtenido de http://uvadoc.uva.es/handle/10324/13378.
Shrestha, J. (2017). Development of a decision support model for optimization of tour time to visit tourist destination points in a city. Geographical Journal of Nepal, 10, 29-38. https://doi.org/10.3126/gjn.v10i0.17388.
Souffriau, W., Vansteenwegen, P., Vertommen, J., Berghe, G. V., & Oudheusden, D. V. (2008). A personalized tourist trip design algorithm for mobile tourist guides. Applied Artificial Intelligence, 22(10), 964-985. https:// doi.org/10.1080/08839510802379626.
Tennekes, M. (2018). tmap: Thematic Maps in R. Journal of Statistical Software, 84(6), 1-39. doi: 10.18637/jss.v084.i06.
Tilahun, S. L., Goshu, N. N., & Ngnotchouye, J. M. T. (2017). Prey predator algorithm for travelling salesman problem: application on the Ethiopian tourism sites. In Handbook of Research on Holistic Optimization Techniques in the Hospitality, Tourism, and Travel Industry (pp. 400-422). IGI Global. Obtenido de: https://www.igi-global.com/chapter/prey-predator-algorithm-for-travelling-salesman-problem/170969.
Widiartha, I. B. K., Anjarwani, S. E., & Bimantoro, F. (2017, October). Traveling salesman problem using multi-element genetic algorithm. In 2017 11th International Conference on Telecommunication Systems Services and Applications (TSSA)(pp. 1-4). IEEE. Doi: 10.1109/TSSA.2017.8272917.
Xu, F., & Du, J. (2009, December). Main Algorithms Study and Implementation of Tourist Spot Navigation System. In 2009 International Conference on Computational Intelligence and Software Engineering (pp. 1-5). IEEE. Doi: 10.1109/CISE.2009.5365697.
Xu, X., Yuan, H., Liptrott, M., & Trovati, M. (2018). Two phase heuristic algorithm for the multiple-travelling salesman problem. Soft Computing, 22(19), 6567-6581. Doi: https://doi.org/10.1007/s00500-017-2705-5.
Yuliastuti, G. E., Mahmudy, W. F., & Rizki, A. M. (2017). Implementation of Genetic Algorithm to Solve Travelling Salesman Problem with Time Window (TSP-TW) for Scheduling Tourist Destinations in Malang City. Journal of Information Technology and Computer Science, 2(1), 1-10.Doi: http://dx.doi.org/10.25126/jitecs.20172122.
Zhang, W., Gong, X., Han, G., & Zhao, Y. (2017). An improved ant colony
algorithm for path planning in one scenic area with many spots. IEEE