L4P1

Programacin Matemtica para Economistas 1
CAPTULO 4.
TOMA DE DECISIONES MULTICRITERIO.

1.- Introduccin.
Los problemas de programacin lineal vistos hasta ahora, no implicaban ninguna
decisin. Una vez planteados se determinaba, mediante alguna tcnica matemtica, la
solucin ptima, como aquella solucin factible, en la que la funcin objetivo alcanza el
mximo o el mnimo, segn el caso.Se trata pues de un proceso de determinacin de las
soluciones factibles y de ordenacin de stas de acuerdo con un criterio nico.
Sin embargo, la realidad se presenta de una forma ms compleja y en general en
cualquier proceso o planteamiento de una problemtica intervienen de manera natural ms
de un objetivo. Por ejemplo, en una empresa se pueden plantear como objetivos, minimizar
los costes y maximizar la calidad en los servicios, o maximizar el beneficio y minimizar el
impacto medioambiental. Otro ejemplo podra ser la compra de una casa, en la que se tiene
como objetivos, el precio, la situacin, las calidades, etc.
As pues, de una manera bastante natural aparecen los problemas denominados
multiobjetivos, en los que subyace la existencia de mltiples criterios que, en general,
estarn en conflicto entre ellos.
Por tanto, ya no buscamos una solucin, en el sentido tradicional, sino que hemos de
tomar una decisin en base a una serie de criterios contrapuestos.
El proceso de tomar una decisin se puede describir de la siguiente forma: planteado
un problema se establece el conjunto de puntos factibles o admisibles, en nuestro caso el
correspondiente conjunto que nos determina las restricciones del problema. Despus se le
asocia a cada alternativa, criterio u objetivo un grado de deseabilidad. Posteriormente, se
busca, mediante cualquier tcnica, una solucin o un conjunto de posibles soluciones
alternativas. Dichas soluciones posibles son aquellas que satisfacen las restricciones y los
deseos o preferencias, las cuales se efectan sobre los objetivos planteados.
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz

Este hecho nos lleva a distinguir entre los problemas tecnolgicos, en los cuales slo
se realiza un proceso de planteamiento, medicin y bsqueda, y los problemas denominados
multiobjetivo los cuales implican de manera natural un proceso de toma de decisin.

La parte de la programacin matemtica, que trata de buscar soluciones a los
problemas multiobjetivos, se encuadra dentro de un campo ms general denominado
M.C.D.M. (Toma de Decisiones Multicriterio) distinguindose el caso discreto que se
denomina M.C.D.A. (Toma de Decisiones Multiatributo), y el continuo M.P.O. que se
denomina programacin multiobjetivo.
1.1.- Planteamiento del problema. Conceptos bsicos.
Una vez establecida la diferencia entre los problemas tecnolgicos y los que se
denominan de programacin multiobjetivo, vamos a pasar a establecer el planteamiento
general de dichos problemas y algunos conceptos bsicos asociados a ellos.
Un problema de programacin multiobjetivo responde a la siguiente formulacin:
Opt f f f
s a X
( ( ), ( ), , ( ))
.
1 2 p
x x x
x
L

donde
x = (x
1
, ..., x
n
) son las variables de decisin,
X es el conjunto de oportunidades,
f
i
son cada uno de los objetivos,
f = (f
1
, ..., f
p
) es la funcin vectorial objetivo,
Y = f(X) es el espacio de objetivos o espacio imagen.
Ejemplo:
Una empresa produce un bien A utilizando dos factores productivos F
1
y F
2
en
cantidades x e y respectivamente. La funcin de beneficios obtenida tras la correspondiente
estimacin es B(x, y) = 4x + 3y.
Por limitaciones de la capacidad de almacenaje, no se pueden emplear ms de cinco
unidades en total de ambos factores, y por las caractersticas del proceso de produccin hay
que emplear al menos una unidad de F
1
y la suma del doble de la cantidad de F
1
ms la
cantidad utilizada de F
2
no puede exceder de ocho unidades.
Los objetivos de la empresa son maximizar los beneficios y minimizar la
contaminacin causada por el proceso de produccin, la cual se ha estimado tambin dando
lugar a la funcin C(x, y) = 3x + 2y.

Este sera un pequeo ejemplo claro de programacin multiobjetivo, el cual se
planteara como:

Max B x y x y
Min C x y x y
s a x y
x y
x
x y
( , )
.
,
= +
+
+
3 2
5
2 8
1
0
4 3
( ) 1

( , ) = +
Una vez planteado el problema, la principal cuestin es cmo resolverlo?
En un principio podemos actuar intentando resolver los dos problemas monoobjetivo
que se nos generan, es decir, por un lado maximizamos los beneficios y por otro
minimizamos la funcin de contaminacin.
( , )
.
,
4 3
5
2 8
1
0
Max B x y x y
s a x y
x y
x
x y
= +
+
+

( , )
.
,
3 2
5
2 8
1
0
Min C x y x y
s a x y
x y
x
x y
= +
+
+
Beneficios
( ) 2 Contaminacion
La solucin a estos dos problemas de programacin lineal es:
Para el problema (1) en el punto (3, 2) se obtiene un beneficio de B(3, 2) = 18 y para
el problema (2) en el punto (1, 0) el ndice de contaminacin es de C(1, 0) = 3.
Grficamente, para la funcin de beneficios:


Y para la contaminacin:

Este procedimiento que se ha llevado a cabo para nuestro ejemplo se puede
generalizar para el problema multiobjetivo general, dando lugar a tener que resolver p
problemas monoobjetivo. Vamos a suponer que en el problema original todos los objetivos
son de mximo. Dicha consideracin no plantea ninguna limitacin, dado que si alguno de
ellos fuera de mnimo tomaramos la funcin opuesta del problema, as:
Max f f f
s a X .
1 2 p
x
( ( ), ( ), , ( )) x x x L
)

se generan p problemas que seran
( ) (
.
P Max f
s a X
i i
x
x

Tras la resolucin obtendremos p puntos correspondientes a los mximos
individuales de cada uno de ellos, denotndolos por: x x x
* * *
, , , .
( ( ), ( ), , ( )) f f f x x x
* * *
L
1 2 p
L
La evaluacin de los puntos ptimos en sus correspondientes objetivos nos
determinar un punto que se denomina punto ideal:

p 1 2 1 2 p


Es evidente que si existiera un punto en el cual todas las funciones alcanzaran su
mximo, el problema estara resuelto, pero esto es algo utpico. Por tanto, tendremos que
proceder a intentar buscar una solucin para nuestro problema. Para ello lo primero que
vamos a hacer es construir la denominada Matriz de Pagos, en la cual evaluamos todas las
funciones objetivo en los ptimos individuales obtenidos en cada uno de ellos.
Matriz de pagos.
f
1
f
2
... f
p

x
1
*
f
1
(x )
1
*
f
2
(x )
1
*
... f
p
(x )
1
*
x
2
*
f
1
(x )
2
*
f
2
(x )
2
*
... f
p
(x )
2
*
...
M
...
M
x
p
*
f
1
(x )
p
*
f
2
(x )
p
*
... f
p
(x )
p
*
La diagonal principal de esta matriz de tamao p x p, corresponde al punto ideal, y
las correspondientes columnas nos indican el campo de variacin de los objetivos en los
puntos obtenidos. Estos intervalos se construyen tomando el valor mximo y mnimo de la
correspondiente columna, as el para cada objetivo determinamos:
[ ] f f
i
min
i
max
,
Obtenida la matriz de pagos asociada a nuestro problema, nos planteamos de manera
natural, con qu punto quedarnos; ahora bien cmo comparamos si los resultados que
tenemos son vectores. De este hecho surge la necesidad de establecer un orden, es decir, una
relacin que nos establezca cundo un vector es preferido a otro.
En nuestro ejemplo el punto ideal correspondera a: (18, 3) (18, -3), segn se tome
la funcin de contaminacin en trminos de mnimo o de mximo, respectivamente.
La matriz de pagos sera, siendo x = (3, 2) y x = (1, 0):
1
* *
2
f
1
= B f
2
= C -f
2
= -C
x
1
*
= (3,2) 18 13 -13
x
2
*
= (1,0) 4 3 -3
Los correspondientes rangos de variacin son:
Para f
1
= B [4, 18] y para f
2
= C [3, 13]. Considerado en mnimo si tomamos
-f
2
= -C [-13, -3].

Si tenemos que decidir entre (3, 2) y (1, 0) realizamos las comparaciones calculando
el valor que alcanzan sobre los objetivos, es decir, comparar (18, -13) y (4, -3). Si
atendemos a la primera coordenada, que es de mximo, optaramos por el punto (3, 2), pero
si atendemos a la contaminacin sera el (1, 0).

As, como antes hemos mencionado, necesitamos el establecimiento de un orden que
nos permita establecer comparaciones entre vectores.
Dentro del espacio vectorial R
p
y dado nuestro problema general de programacin
multiobjetivo:
Max f f f
s a X
( ( ), ( ), , ( ))
.
1 2 p
x x x
x
L

vamos a definir dos tipos de rdenes (la relacin la vamos a establecer atendiendo al valor
que tomen los objetivos en dichos puntos):
1) Orden de Pareto: Diremos que un punto x es preferido a x si se verifica que:
f
i
(x) f
i
(x) i = 1, ..., p con al menos un j tal que f
j
(x) > f
j
(x)
2) Orden dbil de Pareto: Diremos que un punto x es preferido a x si se verifica que:
f
i
(x) > f
i
(x) i = 1, ..., p.
Grficamente, en el plano, la determinacin de los punto preferidos segn el orden
de Pareto y el dbil de Pareto, correspondera a trazar un eje de coordenadas en el punto
concreto, para el orden de Pareto, y lo mismo pero sin considerar la inclusin de los ejes
para el orden dbil.



El orden de Pareto y el orden dbil de Pareto son ordenes parciales y nos establecen
que una combinacin ser preferida a otra siempre que en el primer caso mejore a todos los
objetivos, mejorando a uno de ellos de forma estricta, y en el segundo, denominado dbil,
siempre que mejore todos los objetivos estrictamente.
Como hemos comentado anteriormente, en general, no existir una combinacin que
sea a la vez solucin de todos los objetivos. De esta forma el primer concepto que perdemos
es el de ptimo tal y como se entiende en la programacin monoobjetivo tradicional, y lo
que buscaremos para solucionar nuestro problema sern las denominadas soluciones
eficientes. La generalizacin de ptimo da lugar al concepto de eficiencia, el cual lo
podemos definir en base a nuestro problema de mximo y utilizando la ordenacin de Pareto
de las dos formas siguientes:
Definicin 1.
Un punto x
*
es eficiente si no existe x tal que x sea preferido a x
*
.
Si utilizamos el orden de Pareto x
*
es eficiente si no existe x tal que:
f
i
(x) f
i
(x
*
) i = 1, ..., p con al menos un j tal que f
j
(x) > f
j
(x
*
).
Definicin 1.1.
Un punto x
*
no es eficiente si existe x tal que x es preferido a x
*
.
Es decir, x
*
no es eficiente si existe x tal que: f
i
(x) f
i
(x
*
) para algn i = 1, ..., p.

El concepto de eficiencia que nos proporciona el orden de Pareto nos permite
debilitar el concepto y definir la eficiencia dbil, tambin de dos formas.

Definicin 2.
Un punto x
*
es dbilmente eficiente si no existe x tal que:
f
i
(x) > f
i
(x
*
) i = 1, ..., p
Definicin 2.1.
Un punto x
*
no es eficiente si existe x tal que x es preferido a x
*
.
Es decir, x
*
no es eficiente si existe x tal que: f
i
(x) > f
i
(x
*
) para algn i = 1, ..., p.
El ltimo concepto de eficiencia que vamos a definir es el de eficiencia propia, con
ella eliminamos los casos en que uno de los objetivos se empeore, mejorando infinitamente
a cualquier otro.
Definicin 3.
Un punto x
*
es propiamente eficiente segn Geoffrion si es eficiente y existe un
valor M > 0 tal que i = 1, ...., p, que verifique f
i
(x
*
) < f
i
(x) existe al menos un ndice
j{1, ..., p} tal que f
j
(x
*
) < f
j
(x) y adems:
f f
f f
M
i i
j j
( ) ( )
( ) ( )
x x
x x
*
*

En nuestro ejemplo para determinar los posibles puntos eficientes y propiamente
eficientes, tendramos que recurrir al conjunto imagen, puesto que la determinacin de la
eficiencia o no de un determinado punto se realiza en funcin del valor que tome en sus
correspondientes objetivos.

As dado nuestro conjunto de oportunidades, el conjunto imagen se calculara
mediante la transformacin de cada uno de los vrtices evaluados en las funciones f
1
= B y
-f
2
= -C.

Los puntos eficientes se corresponderan con la frontera superior, puesto que dichos
puntos verifican que ningn otro mejora sus dos coordenadas.
Una vez definido el concepto de eficiencia, en general, en cualquier problema
existir ms de una solucin eficiente y evidentemente stas no sern comparables. Por
tanto, el problema contina, y nos planteamos dos cuestiones importantes: por un lado,
cmo resolver estos problemas? y, por otro, una vez resueltos cmo realizar la eleccin
entre soluciones no comparables?.
En todo proceso de decisin asociado a un problema de programacin multiobjetivo,
aparecen dos agentes claves:
El modelizador o analista, que ser la persona encargada de aplicar la tcnica
o tcnicas adecuadas y posteriormente resolver el problema. No tiene poder
para manipular el problema y slo acta con los datos del problema una vez
planteado. Cuando lo resuelve ser la persona encargada de proporcionar la
informacin obtenida al centro decisor.
El decisor o centro decisor, que ser la persona o personas encargadas de
tomar la eleccin final una vez que conozcan la informacin dada por el
modelizador de las posibles combinaciones factibles para el problema.
Tambin tendr como misin imponer las preferencias en el modelo,
entendiendose dichas preferencias sobre los objetivos planteados.

Las tcnicas que se generan para la resolucin de los problemas multiobjetivo estn
basadas justo en cmo se lleve a cabo la transmisin de informacin entre el analista y el
decisor. Si primero acta el analista resolviendo el problema y mostrando posteriormente las
soluciones al decisor, se generan las denominadas Tcnicas Generadoras, las cuales slo


cuentan con la informacin correspondiente a la estructura matemtica del problema. Por el
contrario, si es el decisor el que acta primero, incorporando informacin al proceso
mediante el establecimiento de preferencias y prioridades, la tcnica de resolucin se
denomina Programacin por Metas. Por ltimo, si se lleva a cabo un flujo continuo de
informacin entre el analista y el decisor se obtienen las denominadas Tcnicas
Interactivas.

L4P1

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

L4P1

Cargado por

Copyright:

Formatos disponibles

Programacin Matemtica para Economistas 1

También podría gustarte