Evaluacin Multicriterio

Tomar decisiones es una de las facetas ms importantes de cualquier puesto que

conlleve la administracin y responsabilidad de la gestin de recursos. En realidad,
no puede existir responsabilidad si no lleva aparejada la facultad de poder tomar
decisiones; y viceversa, toda decisin conlleva la responsabilidad de sus posibles
consecuencias o repercusiones. Con esta frase comienza un libro sobre Toma de
Decisiones escrito hace unos aos por este autor (Barba-Romero, 1984).
Indudablemente, el ser humano hace mucho tiempo que viene tomando decisiones,
aunque no lo es ya tanto desde que se ha planteado un anlisis cientfico de las
mismas; esto se evidencia en el desarrollo de Sistemas de Ayuda a la Decisin.
Debido al deseo de tomar la decisin ms racional y conveniente, se ha
comprendido que no es posible la sustitucin del ser humano como decisor, no slo
por motivos tcticos de ganar su confianza para poder implementar uno de estos
sistemas, sino por algo mucho ms significativo: por la constatacin de que no es
eso lo que verdaderamente se necesita y realmente funciona en la prctica.
De lo expuesto en el prrafo anterior Blas Lara (1989) sintetiza, "Hemos de ser
cautelosos con el culto excesivo a la racionalidad. A fuerza de querer racionalizar la
decisin empobrecemos el conocimiento de las situaciones, despilfarramos nuestra
profunda inteligencia del mundo, por lo general mucho ms rica en la etapa
intuitiva que en la etapa consciente".
Los procesos de toma de decisiones se han venido analizando tradicionalmente en
base a un paradigma que puede esquematizarse de la siguiente forma:
Se selecciona el criterio bajo el cual se desea decidir la mejor solucin.
Se define el conjunto de restricciones que limitan la solucin del problema.
Seguidamente utilizando tcnicas ms o menos sofisticadas, se procede a buscar
entre las soluciones aquella que obtenga un mejor valor del criterio seleccionado, a
esto se le denomina solucin ptima. Las soluciones posibles de acuerdo a esta
estructura son aquellas que den cumplimiento al conjunto de restricciones del
problema y que representen los mejores valores del criterio seleccionado por el
decisor.
Para afrontar especficamente la habitual situacin en un problema de toma de
decisin en la que son varios los objetivos o criterios que pretenden
simultneamente cubrirse, ha surgido en los ltimos aos la metodologa
multicriterio.
El anlisis multicriterio es una metodologa de toma de decisiones que se ha
impuesto como la idnea en multitud de campos de aplicacin. El importante
subcaso en el que hay que decidir entre varias alternativas, desde unas pocas a
algunos centenares, teniendo en cuenta diversos criterios o puntos de vista.
La evaluacin multicriterio (y multiobjetivo) es un conjunto de tcnicas utilizadas en
la decisin multidimensional y los modelos de evaluacin, dentro del campo de la
toma de decisiones (Barredo, 1996), esta debe ser entendida como un "mundo de

conceptos, aproximaciones, modelos y mtodos, para auxiliar a los centros

decisores a describir, evaluar, ordenar, jerarquizar, seleccionar o rechazar objetos,
en base a una evaluacin (expresada por puntuaciones, valores o intensidades de
preferencia) de acuerdo a varios criterios (Colson y de Bruin, 1989).
Los anlisis multicriterio y los modelos de decisin multiobjetivo tienen la
oportunidad de obtener un anlisis equilibrado de todas las facetas de los
problemas de planificacin, particularmente debido a que varios efectos intangibles,
como los sociales y las repercusiones ambientales pueden ser considerados en su
mayora dentro del sistema.
La denominada Decisin Multicriterio es un campo interdisciplinario alimentado por
fuentes muy diversas. En esencia, la Decisin Multicriterio es una optimizacin con
varias funciones objetivo simultneas y un nico agente decisor. Puede formularse
matemticamente de la siguiente manera:

max F ( x )
x X

En donde:

es el vector [x1, x2,...,xn] de las variables de decisin. El

problema de decisin es el de asignar los "mejores" (mejores en el

sentido que las funciones objetivo, vase luego, definen valores a
estas variables).

Es la denominada regin factible del problema (el conjunto de

posibles valores que pueden tomar las variables).

F( x )

Es el vector [f1(x), f2(x),...,fp(x)] de las p funciones objetivo que

recogen los criterios u objetivos simultneos del problema. La
formulacin "max" (a maximizar), no es restrictiva pues siempre
puede conseguirse mediante un adecuado cambio de signo.

No es frecuente que en un problema de este tipo exista una alternativa o solucin (es
decir, un valor concreto del vector x de las variables), para la cual alcancen
simultneamente su valor ptimo todas y cada una de las funciones objetivo. Antes
bien, suele ocurrir que debido al menor o mayor conflicto entre los diversos criterios,
una solucin sea mejor que las otras en algunos de ellos, mientras que para los
restantes criterios sea superada por otras soluciones.
Sin embargo, s es muy frecuente que existan soluciones dominadas, llamadas as
porque hay otra u otras soluciones que las superan claramente en al menos un
criterio, sin ser peor en los restantes. Generalmente, slo las soluciones nodominadas o eficientes sern las que le interesar seguir considerando al decisor, lo
que posiblemente pueda desestabilizar la racionalidad del sistema, pero se debe
recordar que la decisin siempre se ver influenciada por el factor humano.

Es importante que precisemos exactamente este concepto de solucin eficiente,

dado su papel fundamental en la teora de la Decisin Multicriterio. Decimos que
una solucin a = [a1, a2,...,an] (aX) es eficiente cuando no existe otra solucin bX
tal que fk(b)fk(a), k=1,p,

con al menos un q tal que fq( b)>fq(a).

Es evidente, por la definicin anterior, que si pasamos de una solucin eficiente a
otra tambin eficiente y una de las funciones objetivo mejora, entonces alguna al
menos de las otras funciones objetivo debe empeorar (si no ocurriese as, la
segunda solucin dominara a la primera, en contra de lo supuesto).
La eleccin entre soluciones eficientes es el verdadero problema de la Decisin
Multicriterio, ya que en principio no hay ningn otro elemento de racionalidad
"objetiva" que podamos manejar para descartar ms soluciones. Nos vemos
abocados a tener que hacer intervenir consideraciones de tipo subjetivo: las
preferencias del decisor.
Un criterio clasificador en la Decisin Multicriterio atiende al nmero (finito o
infinito) de alternativas a considerar en la decisin, existiendo mtodos muy
diferentes segn cual sea el caso, aun cuando algunos de los fundamentos tericos
sean muchas veces aplicables a ambos tipos de situaciones. En primer lugar estn
aquellos problemas en los que las variables de decisin, y por tanto las funciones
objetivo, pueden tomar un nmero infinito de valores distintos (valores en un
continuo), conduciendo as a un nmero infinito de alternativas posibles del
problema. La rama continua de la Decisin Multicriterio, tambin llamada Decisin
Multiobjetivo, se dedica precisamente a este tipo de problemas.
Otra gran clase de problemas la constituyen aqullos en los que las alternativas de
decisin lo son en nmero finito y, generalmente, pequeo (conjunto discreto de
alternativas). Ejemplos tpicos son el de elegir el emplazamiento de una nueva
incineradora de basuras entre los posibles preestudiados, el de seleccionar el o los
mejores proyectos de inversin en una organizacin o el de decidir qu modelo de
automvil comprar de la gama ofrecida por el mercado. En todos los casos citados
la decisin se basar, naturalmente, en las diversas caractersticas o atributos de
las alternativas respecto a los criterios de decisin relevantes. Tales problemas se
denominan de Decisin Multicriterio Discreta y les son aplicables algunos de los
mtodos de la Decisin Multiobjetivo. No obstante, existen para ellos mtodos
especficos, como los de Relaciones de Superacin (Electre, Promethee,...), el
Anlisis Jerrquico de Saaty (AHP), los mtodos de Permutacin y otros muchos.
CONCEPTOS BASICOS DE LA DECISION MULTICRITERIO DISCRETA
El paradigma del problema
Resumiendo un tratamiento ms detallado de la problemtica y metodologa de la
Decisin Multicriterio Discreta (DMD, en lo sucesivo), que puede verse en otros
lugares (Barba-Romero, 1994; Barba-Romero y Pomerol,1995), la Figura 1 recoge
uno de los modelos ms predominantes de trabajo (aun cuando existen otros ms
especializados, como los rboles jerrquicos del Analytic Hierarchy Process de Saaty
o los modelos de Redes Neuronales Artificiales). Consta bsicamente de dos tipos

de datos que constituyen el punto de partida de los diversos mtodos de DMD, los
cuales habrn de ser proporcionados, estimados o bien extrados indirectamente del
decisor.
Figura 1: Modelo de trabajo del problema de la DMD.

Leyenda:

rij:

evaluacin (rating) de la alternativa i

wj :

peso (weight) del criterio j.

respecto al criterio j.

Se parte de una enumeracin de las alternativas (o soluciones, o proyectos, o

candidatos,...) Ai (i=1, m) en consideracin. Tales alternativas son completamente
disjuntas y exhaustivas. Es decir, no cabe concebir alternativas "intermedias" a las
enumeradas (si tales alternativas quisieran considerarse adanse simplemente
con carcter individual a la lista anterior). En definitiva el conjunto {A i} es discreto y
universal a nuestros efectos.
Por otra parte, los criterios (o atributos, o caractersticas,...) sobre los cuales se
basar la decisin tambin constituyen un conjunto discreto {C j} (j=1, n). Aqu s
pueden tener mucho sentido la posible subordinacin de unos criterios a otros: es
decir, la as llamada jerarquizacin de criterios, como comentar ms adelante.
Descritos los conceptos y dimensiones de las alternativas y los criterios slo resta
estructurar adecuadamente la informacin que les relaciona y define. Estos son los
dos tipos de datos ms arriba aludidos y que aparecen en la Figura 1. En primer
lugar, las evaluaciones rij de cada alternativa i respecto a cada criterio j,
constituyendo la llamada matriz de decisin, las cuales describen cada
alternativa considerada en funcin de los criterios. Por otro lado los pesos w j,
agrupados en el llamado vector de pesos, los cuales intentan representar la
estructura de preferencias del decisor.

El problema general de la DMD, independientemente de la forma concreta en que

se midan los rij y los wj, es el de seleccionar aquella alternativa que "mejor"
satisfaga las preferencias del decisor. Descartada en la DMD la posibilidad de
alcanzar una solucin ptima (el mismo concepto de ptimo carece de sentido en
todo el mbito de la Decisin Multicriterio), hemos de contentarnos con ese "mejor"
entrecomillado para significar que su definicin est abierta a diversas
interpretaciones ms o menos racionales. De ah los diferentes enfoques y mtodos
propuestos y las diversas soluciones en principio posibles al problema.
La estructuracin de los criterios
Una adecuada seleccin y estructuracin de los criterios relevantes al problema es
esencial para que el anlisis del mismo sea significativo y til. A la hora de definir el
conjunto de criterios convendr asegurarse de que cumple las siguientes deseables
propiedades:
a. Exhaustividad: No se ha olvidado ningn criterio que permita discriminar las
alternativas. Esta propiedad es la ms inmediata de tener en cuenta en el
momento de la modelizacin, procurando que todos los aspectos relevantes
al problema de decisin aparezcan reflejados como criterios.
b. Coherencia: Las preferencias globales del decisor son coherentes con las
preferencias segn cada criterio, en el sentido de que si dos alternativas a y
b tiene la misma calificacin en todos los criterios, y por tanto son
globalmente indiferentes para el decisor, la mejora de a respecto a un criterio
implica una preferencia global de a respecto a b. Esta propiedad deber
cumplirse si el decisor es racional.
c. No redundancia: Un conjunto de criterios, verificando las dos propiedades
anteriores, es no redundante si la supresin de uno solo de los mismos
implica que el subconjunto de los restantes viola alguna de tales
propiedades. Esta propiedad es deseable, pero no esencial, estando el peligro
en la posibilidad de otorgar duplicada importancia a los criterios redundantes
si ello no se tiene en cuenta en el momento de asignar y utilizar los pesos.
No debe confundirse la propiedad de no redundancia con la de la independencia de
criterios, en el sentido de que no estn correlacionados (una vez que se hayan
cuantificado las evaluaciones de las alternativas respecto a ellos). En efecto, esta
propiedad de independencia se cumple raramente en la prctica (no est
correlacionado, por ejemplo, el nivel de impacto acstico de una autopista con el
coste de la misma?) por lo que es absurdo pretender exigirla.
Como consejo general puede darse el siguiente: El conjunto de criterios ms
adecuado es aqul que obedece a consideraciones descriptivas (mejor describe los
datos disponibles del problema y ms lo hace intuitivamente comprensible al
decisor), en el caso de que ste sea nico, o a consideraciones dictadas por la
naturaleza del conflicto, si se est en un contexto de una decisin a negociar entre
distintas partes interesadas.

Por otra parte, el nmero mximo de criterios posibles de utilizar puede estar
limitado por el tipo de mtodo de DMD que se vaya a emplear posteriormente para
el anlisis del problema. As, no es aconsejable emplear ms de 7 criterios en los
mtodos de comparacin de alternativas como el de Zionts (1981), debido a la
conocida limitacin del cerebro humano para comparar simultneamente ms de 7
cosas (el mgico nmero 7 que la psicometra nos ha desvelado; vase Miller,1956).
Pero aun cuando el mtodo de DMD lo permita, no es aconsejable trabajar
simultneamente con ms de 20 criterios en el mismo plano de igualdad por la
dificultad entonces de percibir las caractersticas ms significativas del problema de
decisin en una visin global del mismo.
Ante la existencia de un nmero extenso de criterios, situacin bien frecuente en la
prctica, puede recurrirse sin embargo a estructurarlos en una jerarqua de criterios
y subcriterios, incluso a varios niveles, que permita aliviar o hasta eliminar los
inconvenientes mencionados. Este mecanismo de modelizacin de los criterios ser
casi obligado a la hora de asignar los pesos a los mismos y es muy frecuente que
los mejores programas y SIAD de DMD lo ofrezcan como faceta a disposicin del
usuario.
Unas palabras, antes de terminar esta seccin, respecto a la medida de la
INCERTIDUMBRE. Una de las ventajas que aporta la metodologa multicriterio es la
de permitir fcilmente tener en cuenta este importante factor en las tomas de
decisiones. En efecto, independientemente de otras posibilidades que cada mtodo
concreto de DMD con frecuencia ofrece para abordarla, un procedimiento sencillo e
inmediato es el de configurar un criterio o varios que la recojan expresamente. As,
el riesgo de que el coste de cada alternativa se desborde respecto a la evaluacin
establecida en el correspondiente criterio "coste" puede recogerse mediante otro
criterio "riesgo de incremento del coste" cuyas evaluaciones se miden como las
varianzas, o los costes mximos, o cualquier otra adecuada medida de dispersin,
de la variable coste que ahora consideramos aleatoria.
Cuantificacin y normalizacin de evaluaciones
Denominamos evaluaciones a las distintas caractersticas que las alternativas
presentan frente a cada criterio. Ser necesario cuantificarlas de la manera ms
precisa posible, ya que representarn a las alternativas en todo el proceso de
anlisis posterior. De ello depender que al final del proceso el decisor no tenga la
sensacin subjetiva de que las conclusiones no son realistas. Sin embargo, la
cuestin no es ciertamente fcil.
Para cada criterio, la escala de medida de las evaluaciones vendr muy
determinada por su propia naturaleza. Una primera clasificacin de escalas es en
cualitativas o cuantitativas. Cuando las evaluaciones se caracterizan por
calificaciones del tipo "excelente, bueno, normal, regular o malo", estamos
utilizando una escala cualitativa de medida. Este tipo de escalas son ciertamente
tiles, a pesar de su imprecisin, ya que al emplear el lenguaje natural su
comprensin es inmediata para el decisor, con lo que le resulta fcil y gil utilizarla.
Pero en dicho mrito reside tambin su debilidad ya que la polisemia del lenguaje
natural har que distintos decisores, o an el mismo en distintos momentos o

situaciones, entiendan cosas diferentes por, por ejemplo, el trmino "bueno". De ah

la mencionada imprecisin.
Aun cuando para la medicin inicial o inmediata de las evaluaciones de un cierto
criterio, una escala cualitativa pueda ser lo ms adecuado, en algn momento ser
imprescindible, a fin de poder operar matemticamente con ellos, "traducirlas" a
una escala cuantitativa como las que comentamos a continuacin. Existen
propuestas de mtodos de DMD que, utilizando la Teora de los Conjuntos Difusos
y/o tcnicas de Sistemas Expertos, permiten afrontar directamente problemas en
que las evaluaciones se miden en escalas cualitativas, pero no estn exentos de
problemas tericos difciles de resolver adecuadamente. Una introduccin a este
tema puede verse en Reyes y Barba-Romero (1986).
Las escalas cuantitativas son bsicamente de dos tipos: ordinales o cardinales. Un
criterio tiene una escala ordinal de medida de sus impactos cuando respecto al
mismo se establece una ordenacin de mejor a peor (o viceversa) de las
alternativas. La cuantificacin numrica no consiste ms que en algn convenio del
tipo, por ejemplo, valor 1 a la peor alternativa, valor 2 a la siguiente mejor, etc.
Estos valores tienen un significado estrictamente de ordenacin: "2" significa que es
mejor, segn el convenio anterior, que "1", no que es el doble de bueno.
La escala cardinal es la ms completa en cuanto a sus posibilidades de uso, pero al
mismo tiempo la ms exigente desde un punto de vista terico y la ms costosa
generalmente de emplear, aun cuando para ciertos criterios (coste, peso,
distancia,...) ser la escala natural de medida. Simplificando la cuestin al caso
particular de una escala cardinal-ratio, aun cuando cabra hablar tambin de la
cardinal-intervalo, una escala cardinal es aqulla en la que los valores de las
evaluaciones admiten una interpretacin de proporcionalidad: Ahora "2" significa
efectivamente el doble que "1". Si esto es bueno o malo depender de lo que se
est midiendo, costes o beneficios, pero en todo caso la mencionada
proporcionalidad existe.
Existen mtodos de DMD (los llamados mtodos ordinales) que no necesitan ms
que una escala ordinal para la medicin de las evaluaciones, pero ni son los ms
potentes ni estn exentos de complicaciones tericas. Por otra parte, es frecuente
que se disponga de datos cardinales cuya riqueza sera penoso derrochar
degradndolos a datos ordinales, aun cuando esto sea por supuesto siempre
posible. La legibilidad y potencial representativo que para el decisor tengan los
valores numricos que describen a las evaluaciones son un factor importante para
orientar en el tipo de selecciones antedichas. Otro factor condicionante es, sin
duda, el de la disponibilidad de los datos.
Casi todos los mtodos de DMD precisan que las evaluaciones r ij de una alternativa
concreta i, correspondientes a todos y cada uno de los criterios j, sean comparables
en magnitud, unidad de medida, posicin del cero, dispersin de medida, etc. Es el
problema de la normalizacin de las evaluaciones, para afrontar el cual existen
diferentes procedimientos tales como dividir por el mximo o por la suma de las
evaluaciones de cada criterio, u otros ms elaborados sobre los cuales no nos
extenderemos aqu (pueden verse en los ya citados Barba-Romero,1994 o Barba-

Romero y Pomerol,1995). No es neutral la eleccin, pues el resultado final puede

verse considerablemente afectado por el procedimiento de normalizacin utilizado.
Es por ello que aqu reside una clara posibilidad de manipulacin de los resultados
de un problema de DMD, frente a la cual habr que estar siempre muy conscientes.
Preanlisis de Dominacin
Denominamos as a un anlisis previo al intento de seleccionar la mejor alternativa,
muy conveniente de realizar en la prctica debido a sus posibilidades de
simplificacin del problema, basado en el importante concepto de solucin eficiente
o no dominada.
Comencemos definiendo el concepto relacionado de alternativa dominante. La idea
intuitiva es que una alternativa es dominante cuando sus evaluaciones son mejores,
o al menos iguales, que las correspondientes evaluaciones de cualquier otra
alternativa. Suponiendo desde ahora, a fin de simplificar la notacin, que las
evaluaciones rij sean cardinales y crecientes en preferencias (es decir, criterios a
maximizar), podemos dar una definicin ms formal del concepto anterior. Decimos
que la alternativa Ai es dominante cuando rijrkj, para todo k=1, m y para todo j=1,
n.
Este concepto es la generalizacin al contexto multicriterio del habitual concepto de
ptimo global en la optimizacin o decisin monocriterio. La existencia y deteccin
de una alternativa dominante en el problema de DMD que estemos abordando
supone, como es natural, la inmediata solucin de ste. Sin embargo la realidad no
suele ser tan complaciente, por lo que en un problema real es raro que una
alternativa sea dominante.
Lo que s es habitual que ocurra es que coexistan varias alternativas no dominadas
o eficientes en un problema de DMD. Cualquier alternativa que no sea eficiente es
por tanto dominada por alguna o algunas otras, y podemos excluirla de nuestra
bsqueda de la mejor alternativa. En efecto, nunca ser racional elegir tal
alternativa cuando existe al menos otra que es al menos igual en todos los criterios
y la supera netamente en al menos alguno. Lo anterior es aplicable a aquellos
problemas en los que slo se busque la mejor alternativa (los de tipo, en la
terminologa de Roy, 1985).
Sin embargo, en aquellos otros problemas en los que se desea una ordenacin de
las alternativas (problemas llamados de tipo), s puede tener inters conservar vivas
las dominadas pues, aun sindolo por alguna(s) otra(s) alternativas, no lo sern por
las restantes, frente a las que pueden compararse favorablemente en una
ordenacin final (problema del "segundn brillante", en afortunada expresin de
Schrlig, 1985).
Preanlisis de satisfaccin
De nuevo un anlisis previo cuya utilidad prctica puede ser grande. Su concepto
central es el de eliminar las alternativas no-satisfactorias en el sentido que
enseguida definiremos.

La idea bsica la propone Simon (1955) al plantear un modelo alternativo al

paradigma vigente del decisor racional. El "hombre administrativo" de Simon dista
del anterior ideal en varios aspectos importantes: Informacin limitada, capacidad
limitada de clculo, no necesidad de bsqueda del ptimo en los problemas reales
sino tan slo soluciones "satisfactorias", etc. Es por ello que Simon habla de unos
niveles de aspiracin, fijados a priori por el decisor, cumplidos los cuales cualquier
alternativa que primero encuentre le servir como solucin vlida para su problema
de decisin.
El anlisis de satisfaccin (tambin llamado a veces mtodo conjuntivo) utiliza estas
ideas de forma que, empleando unos umbrales de satisfaccin para cada criterio
(umbral inferior si tal criterio se maximiza; umbral superior si se minimiza) que el
decisor pueda definir previamente, se eliminen las alternativas que, en algn
criterio, no los pasen. Estas alternativas seran por tanto alternativas
no-satisfactorias, lo que justifica su exclusin de posteriores anlisis.
El preanlisis de satisfaccin puede constituir por s mismo un anlisis completo del
problema (un mtodo de DMD) si el decisor altera dinmica e interactivamente los
umbrales de satisfaccin de los criterios con el fin de ir reduciendo el nmero de
alternativas satisfactorias hasta que slo quede una de ellas como superviviente.
Esta es precisamente la filosofa del mtodo PRIAM desarrollado por Lvine y
Pomerol (1986), utilizando conceptos de Inteligencia Artificial.
La asignacin de los pesos
En todo problema de DMD es casi inevitable que unos criterios tengan para el
decisor ms relevancia que otros. Por circunstancias muy diversas, entre las que
lgicamente estn sus preferencias personales (ms o menos objetivables, o
completamente subjetivas), el decisor puede considerar ms importantes a unos
criterios que a otros. Se denominan pesos (o ponderaciones) a estas medidas de la
importancia relativa que los criterios tienen para el decisor, y a la somera
descripcin de los procedimientos para estimarlos o asignarlos va destinada esta
seccin.
El procedimiento clsico de estimacin de los pesos en Decisin Multicriterio es el
propuesto por Churchman y Ackoff (1954) posteriormente analizado y mejorado por
Knoll y Engelberg (1978) fundamentalmente, y denominado a veces como mtodo
de las utilidades relativas. Consiste bsicamente en, partiendo de unas
estimaciones provisionales, irlas afinando en el sentido de mejorar su consistencia
interna por medio de comparaciones binarias de subgrupos de criterios.
Otro conjunto importante y amplio de procedimientos de estimacin de pesos se
basa en efectuar comparaciones binarias de los criterios. Representante significado
de este tipo es el conocido AHP (Analytic Hierarchy Process) de Saaty (1977), cuya
descripcin detallada puede verse en otros captulos de esta obra.
Una va completamente distinta es la del mtodo de la Entropa (Zeleny, 1982). La
idea esencial es la de que la importancia relativa del criterio j (a medir por el peso
wj) en una situacin dada de decisin (reflejada por su matriz de decisin), est

directamente relacionada con la informacin intrnseca promedio generada por el

conjunto de alternativas respecto a dicho criterio, y asimismo por la asignacin
subjetiva de la importancia que el decisor le otorgue segn sus preferencias. La
forma operativa de cuantificar todo esto es utilizando el concepto de entropa de
Shannon y Weaver (1949) aplicado al vector de evaluaciones de cada criterio, como
medida inversa de la importancia que a este criterio dichos datos atribuyen,
combinado con unos pesos subjetivos dados a priori por el decisor. Aparte de su
elegancia terica, su gran ventaja es la de su "objetividad" en contextos de
decisiones de grupo.
Un mtodo Delphi de consenso, combinado o no con los mtodos anteriores, viene
siendo propuesto recientemente como el ms adecuado a fin de converger a un
vector de pesos que recoja las preferencias del grupo de decisores involucrados, en
lugar del nico decisor hasta ahora supuesto. Vase Khorramshahgol y Moustakis
(1988) para un caso real de aplicacin a decisiones de trazado de autopistas.
Terminemos comentando un aspecto importante: el de la posible jerarquizacin de
los criterios y la repercusin de ello en los pesos que se les asignen. Supongamos
una estructura jerrquica de criterios a dos niveles: Un primer nivel de criterios
"padres" y un segundo nivel de subcriterios "hijos" de aqullos. Cabe preguntarse
ahora lo siguiente: Ser mejor, en el sentido de recoger ms fielmente las
preferencias del decisor, comenzar asignando pesos a los criterios del primer nivel y
"repartirlos" entre los criterios del segundo nivel? Este reparto exigira una
asignacin de pesos parciales o relativos de cada grupo de criterios del segundo
nivel con relacin a su criterio padre del primer nivel, y una composicin final de
estos pesos relativos con los pesos de los del primer nivel, a fin de obtener los
pesos definitivos de los criterios del segundo nivel. A este procedimiento se le
denomina una asignacin jerarquizada de pesos, frente a la asignacin no
jerarquizada que hasta ahora era la nica que habamos contemplado.
Tales cuestiones se han estudiado experimentalmente en diversas ocasiones (Weber
y Borcherding, 1993; Stilwell et al., 1987) y las conclusiones vienen siendo
coincidentes: La asignacin jerarquizada es ms rica que la no jerarquizada, en el
sentido de un mayor contraste (mayor varianza) de los pesos obtenidos. Sin
embargo, tambin se constata la significativa influencia, en los valores finales de los
pesos, del modelo elegido para la agrupacin de los criterios en una estructura
jerrquica, lo que no parece muy tranquilizador. Sea como fuere, el concepto de
jerarqua de criterios es muy relevante en los problemas reales y comienza a
utilizarse cada vez ms. El ya comentado mtodo AHP de Saaty, por ejemplo, toma
el modelo jerrquico como concepto central de su metodologa de trabajo, y
muchos paquetes informticos de DMD permiten una jerarquizacin opcional de
criterios y una asignacin, jerrquica o no, de los pesos.
Mtodos de ordenacin
Denominamos as a los diferentes mtodos propuestos para llevar a cabo uno de los
aspectos ms relevantes de la metodologa multicriterio: el de agregar toda la
informacin contenida en la matriz de decisin y en el vector de pesos, a fin de
obtener una ordenacin de las alternativas, de ms a menos preferidas.

Como factores relevantes a la hora de clasificar los mtodos de la DMD podramos

considerar los siguientes: Las dimensiones (m x n) de la matriz de decisin, la forma
(cardinal, ordinal, etc.) de medirse las evaluaciones y los pesos, los procedimientos
de trabajo que plantean al decisor (estimacin de datos, comparaciones entre
alternativas, interactividad,...), su carcter compensatorio o no, el tipo de
resultados que ofrecen (desde un preorden parcial de las alternativas, como en el
ELECTRE I, hasta una cardinalidad completa de las mismas, como en los mtodos
de funcin de utilidad), etc. Dichas caractersticas son importantes, pero
aisladamente incompletas como factores determinantes de una clasificacin, por lo
que tal vez la clasificacin ms relevante pueda basarse en la similitud de
estructura y de operativa de los mtodos ms extendidos y utilizados. Los ya
centenares de mtodos de ordenacin propuestos en la literatura, podran
agruparse, segn el punto de vista expuesto, en las once grandes especies o
categoras siguientes:

Ordinales y lexicogrficos
Utilidad Multiatributo
Ponderacin Lineal
Mtodo Jerrquico de Saaty (AHP)
Concordancia
Relaciones de Superacin
Comparacin de alternativas
Distancia al ideal
Permutacin
Anlisis multivariante
Inteligencia artificial y Redes Neuronales

No es ste el lugar para entrar en una descripcin, ni tan siquiera esquemtica, de

tales categoras de mtodos, remitiendo para ello a la ya citada obra de BarbaRomero y Pomerol (1995). Baste decir que, naturalmente, la experiencia viene
mostrando que unos mtodos son mejores que otros, pero sin que pueda afirmarse
(ni probablemente pueda hacerse nunca) que uno de ellos es netamente el mejor,
ya que tal cosa depender de muchas circunstancias (dimensiones, tipo de datos,
resultados buscados, etc.) relativos al problema del que en cada momento se trate.
Anlisis de sensibilidad
La ordenacin final de las alternativas depende de todas las medidas (evaluaciones,
pesos) y procedimientos (normalizaciones, agregaciones) que se han ido efectuando
hasta obtenerla. A veces, segn los problemas y los datos, esta dependencia es
muy dbil, por lo que la ordenacin final conduce a decisiones "robustas", que no se
ven afectadas por ligeros (o incluso grandes) cambios en los datos (o en los
procedimientos, aunque estos no suelen modificarse una vez elegidos). Por el
contrario, otras veces la ordenacin final es muy susceptible a cualquier pequeo
cambio en los datos, por lo que las decisiones finales son muy crticas. Estos efectos
es muy conveniente que el decisor los conozca y que pueda experimentar con ellos
hasta calibrarlos debidamente.

Contamos ya con varios trabajos tericos interesantes, como el pionero de

Mareschal (1988), caracterizando los por l definidos mtodos aditivos de orden r
(el mtodo de ponderacin lineal, entre otros, caera en ese marco). O los ms
recientes estudios de Antunes y Clmaco (1992) y de Wolters y Mareschal (1995).
Asimismo, muchos de los soportes informticos para DMD ya incorporan facetas de
anlisis de sensibilidad de los pesos. Existen diversas posibilidades para ello, ya que
las capacidades interactivas y de clculo de la actual informtica personal as lo
permite.

Bibliografa

BARBA-ROMERO, POMEROL, J.C. (1997) Decisiones Multicriterio. Fundamentos

Tericos y Utilizacin Prctica. Servicio de Publicaciones Universidad de Alcal
BARREDO CANO, JOS IGNACIO: Sistemas de informacin geogrfica y
evaluacin multicriterio en la ordenacin del territorio Ed. RA-MA, 1996,
MADRID
COELLO COELLO, C., LAMONT, G.B., VAN VELDHUIZEN, D.A. (2007).
Evolutionary Algorithms for Solving MultiObjective Problems. Springer
LARA, B. (1989), Patologas de la decisin humana, (Diario El Pas, Madrid, 20
de marzo de 1989, p. 20)
MARTNEZ, EDUARDO Y ESCUDEY, MAURICIO (eds.) (1997), Evaluacin y
decisin multicriterio: reflexiones y experiencias, Santiago, USACH, UNESCO
1997.
ROMERO, C. (1993) Teora de la decisin multicriterio: Conceptos, tcnicas y
aplicaciones. Alianza Editorial Textos