Para estudiar SDVRP, el uso de la computación es esencial para disminuir tiempos de cálculo,

sin embargo, no todos los algoritmos tienen el mismo tipo de complejidad, por lo que para
clasificarlos existen algunas normas, tales como, el tiempo de ejecución del algoritmo en
comparación con un valor previamente calculado a partir de las variables implicadas usando
una formula polinónica. De acuerdo a la teoría de la complejidad, los algoritmos resultos a
partir de tiempos polinómicos calculados por una maquina Turing (dispositivo que manipula
símbolos sobre una tira de cinta de acuerdo a una tabla de reglas) determinista es llamada P,
los algoritmos presentados en computación pueden ser fácilmente adaptados a este tipo de
máquina y sirven principalmente a los científicos para entender los límites del cálculo
mecánico.

Por otro lado, cuando se trata de una máquina de Turing no determinista, la clase se llama NP
y su importancia radica en el hecho de que contiene gran cantidad de problemas de búsqueda
y optimización en los que se desea conocer si tienen una solución específica o una “mejor”
solución. A su vez, se pueden encontrar clases NP-hard (o NP-complejo), como lo es el clásico
problema del viajante de comercio o problema del agente viajero (TSP), siendo descrita
normalmente como una clase que contiene a los problemas de decisión que son como mínimo
tan difíciles como un problema NP. De la intersección entre NP y NP-hard nace una clase
denominada NP-completo. Normalmente los problemas de complejidad NP pueden reducir a
un problema de clase NP-completo, teniendo como ventaja que al encontrar una solución
polinómica, todos los problemas resta de NP tendrían una solución polinómica.

Inicialmente Lenstra et al. (1981) analizaron la complejidad de los problemas tipo VRP,
llegando a la conclusión de que el problema es no determinístico polinomial, es decir, de clase
NP. Los procedimientos heurísticos generalmente son de clase NP-completos, a pesar de que
requieren más tiempo para su resolución que los métodos exactos, son menos complejos
algorítmicamente.

Los métodos exactos son bastante complejos de resolver, por lo que, se utilizan para instancias
con pocos clientes, siendo clasificados como NP-hard. Para facilitar la resolución del algoritmo
se utilizan métodos de relajación del espacio de estados o métodos de generación de
columnas. Mientras que, la metaheurística incurre generalmente en tiempos mayores de
calculo que los métodos heurísticos, sin embargo, son menores que los métodos exactos por lo
que pueden ser clasificados con una complejidad P o NP.

Maldonado, C. E. (2016). Metaheurísticas y resolución de problemas complejos. Revista

Colombiana de Filosofía de la Ciencia, 16(33).

Vásquez, M. (2007). Desarrollo de un Framework para el Problema de Ruteo de

Vehículos. Thesis at Universidad de Chile.

Clases de complejidad P y NP. (s.f.). En Wikipeda. Recuperado el 27 de septiembre de 2018 de

https://es.wikipedia.org/wiki/Clases_de_complejidad_P_y_NP
P (clase de complejidad). (s.f.). En Wikipeda. Recuperado el 27 de septiembre de 2018 de
https://es.wikipedia.org/wiki/P_(clase_de_complejidad)

Máquina de Turing. (s.f.). En Wikipeda. Recuperado el 27 de septiembre de 2018 de

https://es.wikipedia.org/wiki/M%C3%A1quina_de_Turing

NP (clase de complejidad). (s.f.). En Wikipeda. Recuperado el 27 de septiembre de 2018 de

https://es.wikipedia.org/wiki/NP_(clase_de_complejidad)

NP-completo. (s.f.). En Wikipeda. Recuperado el 27 de septiembre de 2018 de

https://es.wikipedia.org/wiki/NP-completo

NP-hard. (s.f.). En Wikipeda. Recuperado el 27 de septiembre de 2018 de

https://es.wikipedia.org/wiki/NP-hard