Add results analysis to summary

docs/Summary.org

@@ -125,3 +125,31 @@ python src/execution.py
 *Nota*: se precisa instalar la biblioteca [[https://xlsxwriter.readthedocs.io/][XlsxWriter]] para la exportación de los resultados a un archivo Excel.
 
 ** Análisis de los resultados
+
+Los resultados obtenidos se encuentran en el archivo /algorithm-results.xlsx/, procedemos a analizar cada algoritmo por separado.
+
+*** Algoritmo greedy
+
+#+CAPTION: Algoritmo greedy
+[[./assets/greedy.png]]
+
+El algoritmo greedy es determinista, por lo tanto la desviación típica es prácticamente nula (varía en el tiempo de ejecución únicamente). El tiempo de ejecución varía considerablemente según el dataset:
+
+- Dataset con n=500: 8-10 segundos
+- Dataset con n=2000: 6-7 minutos
+
+Por lo tanto, el algoritmo o la implementación de éste no escalan al aumentar el número de casos.
+
+Las distancias obtenidas son considerablemente peores que las del algoritmo de búsqueda local, aunque hay que tener en cuenta que en la implementación del algoritmo de búsqueda local la distancia del primer elemento no es 0, lo cual tiene afecta el resultado final.
+
+*** Algoritmo de búsqueda local
+
+#+CAPTION: Algoritmo de búsqueda local
+[[./assets/local.png]]
+
+El algoritmo de búsqueda local es estocástico, debido a que para la obtención de cada una de las soluciones se utiliza un generador de números pseudoaleatorio. El tiempo de ejecución es prácticamente constante con cada dataset:
+
+- Dataset con n=500: 1-3 segundos
+- Dataset con n=2000: 8-12 segundos
+
+Por lo tanto éste escala bien al aumentar el número de casos. Aún así, al realizar ciertas pruebas aumentando el número de iteraciones máximas, el rendimiento del algoritmo emperoaba considerablemente. Por este motivo, las ejecuciones de este algoritmo se han hecho con 100 iteraciones máximas.