PROGRAMACION POR METAS

La forma del modelo de programacin lineal sigue siendo la misma en

programacin por meta, es decir, tambin se tiene una funcin objetivo
que optimizar sujeta a una o ms restricciones. Sin embargo, dentro
de este marco de referencia se agregarn dos conceptos nuevos. El
primero es el de las restricciones de meta en lugar de las restricciones
de recurso que se han analizado. El segundo concepto es el de rango
de prioridad entre las funciones de objetivo. Una vez que se establece
un problema en el formato del modelo general de programacin lineal,
para obtener la solucin puede aplicarse el MTODO SIMPLEX
modificado solo para tomar en cuenta las prioridades.

La programacin por metas es un enfoque para tratar problemas de

decisin gerencial que comprenden metas mltiples o
inconmensurables, de acuerdo a la importancia que se le asigne a
estas metas. El tomador de decisiones debe ser capaz de establecer
al menos una importancia ordinal, para clasificar estas metas. Una
ventaja importante de la programacin meta es su flexibilidad en el
sentido de que permite al tomador de decisiones, experimentar con
una multitud de variaciones de las restricciones y de prioridades de las
metas cuando se involucra con un problema de decisin de objetivos
mltiples.

El primer paso en la formulacin de un modelo de programacin por

metas consiste en fijar los atributos que se consideran relevantes para
el problema que se est analizando. Una vez establecidos los
atributos, se pasa a determinar el nivel de aspiracin que corresponde
a cada atributo, es decir, el nivel de logro que el centro decisor desea
alcanzar. Seguidamente, se conecta el atributo con el nivel de
aspiracin, por medio de la introduccin de las variables de desviacin
negativa y positiva, respectivamente. As para el atributo i-simo, se
tiene la siguiente meta: donde, como es habitual, f(x) representa la
expresin matemtica del atributo i-simo, Ti su nivel de aspiracin, ni
y pi las variables de desviacin negativa y positiva, respectivamente.
Las variables de desviacin negativa cuantifican la falta de logro de
una meta con respecto a su nivel de aspiracin, mientras que las
variables de desviacin positiva cuantifican el exceso de logro de una
meta con respecto a su nivel de aspiracin.

Como un nivel de aspiracin no puede simultneamente sobrepasarse

y quedar por debajo de l, al menos una de las dos variables de
desviacin tomarn valor cero cuando la meta alcanza exactamente
su nivel de aspiracin.
Una vez clarificado el significado de las variables de desviacin, es
importante introducir el concepto de variable de decisin no deseada.
Una variable de decisin se dice que no es deseada cuando al centro
decisor le interesa que la variable en cuestin alcance su valor ms
pequeo(esto es cero). Cuando la meta deriva de un atributo del tipo
ms del atributo mejor (objetivo a maximizar) la variable no deseada (a
minimizar), ser la variable de desviacin negativa (cuantificacin de
la falta de logro). Finalmente, cuando se desea alcanzar exactamente
el nivel de aspiracin tanto la variable de desviacin negativa como la
positiva son variables no deseadas y por tanto variables a minimizar.

Supngase que un fabricante quiere planear producir por lo menos

tres mesas se escribir la restriccin: T>=3

Esto no permite ningn valor por debajo de 3. Si hubiera otra

restriccin en conflicto con esta, el problema no tendra solucin
factible.

Ahora bien, los objetivos administrativos son mucho menos rgidos y

absolutos. Una manera ms real para establecer las restricciones de
las mesas sera: "si es posible, nos gustara hacer tres mesas por lo
menos. Esto tiene una prioridad alta". En forma anloga, los objetivos
de las ganancias o de los rendimientos sobre inversiones se expresan
en trminos de metas deseadas: hacer lo posible por obtener
ganancias de $1000 el prximo ao o buscar un rendimiento sobre
inversiones del 10% antes de impuestos. Sin duda pueden ocurrir
desviaciones arriba o abajo, alrededor de una meta. Si la restriccin
de las mesas es fabricar por lo menos tres, esto puede escribirse
como: T + Dut - Dot = 3

En donde Dut - Cantidad que falta para lograr el objetivo de las mesas.

Dot - Cantidad que sobrepasa el objetivo de las mesas.

T- Nmero de mesas.

Ntese que las restricciones de meta siempre se escriben como

igualdades. El primer subndice de la variable de desviacin indica la
variacin hacia abajo o hacia arriba de la meta. El segundo subndice
indica de que se trata el objetivo, en este caso mesas.

Existen cuatro formas de restricciones de objetivos, segn se permita

variacin hacia arriba o hacia abajo:

CASO 1: Se permiten desviaciones en ambas direcciones.

 CASO 2: Solo se permiten desviaciones hacia abajo.
CASO 3: Solo se permiten desviaciones hacia arriba
CASO 4: No se permiten desviaciones.

No existe algo en la programacin por objetivos que prohiba incluir

restricciones que no sean de objetivo o restricciones de recurso.

El significado de las variables de desviacin no deseadas puede

clarificarse por medio del siguiente cuadro.

Metas y variables de desviacin

Forma inicial de la meta Forma de la meta Variable de desviacin no

transformada deseada (a minimizar)
Fi(x) ti fi(x) ni pi = ti ni

Fi(x) ti fi(x) ni pi = ti pi

Fi(x)=ti fi(x) ni pi = ti ni pi

Formulacin de la funcin objetivo

La funcin objetivo para un problema de programacin por meta

siempre es minimizar alguna combinacin de variables de desviacin.
Desde un punto de vista de toma de decisiones administrativa, esto
significa que se esta buscando la combinacin de variables reales por
ejemplo (mesas y sillas) que cumplan mejor con todos los objetivos.
Esto podra llamarse optimizar un conjunto de objetivos "satisfactorios"
o satisfacer.

La forma exacta de la funcin objetivo varia segn la respuesta a

estas dos preguntas:

1. Son conmensurables o proporcionales los objetivos?

2. Cul es la importancia relativa de cada objetivo?

Objetivos conmensurables de igual importancia: este es el caso

ms sencillo, aunque muy pocas veces se encuentra en la
practica. Aqu los objetivos se miden en una escala comn
(conmensurables y tienen la misma importancia.
Ponderacin preferente de los objetivos: las ponderaciones de
preferencia pueden aplicarse a cualquier grupo de objetivos
conmensurables. Las ponderaciones deben reflejar la utilidad o
el valor de los objetivos.
 Rango de prioridad de los objetivos: que pasa cuando los
objetivos no son conmensurables, cuando no hay una escala
comn para comparar las desviaciones de los diferentes
objetivos?. Este es un caso importante, al que se enfrentan con
frecuencia los administradores. Si el administrador puede
ordenar o dar un rango para sus metas entonces la solucin es
posible.

Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo
con su importancia pero es algo que la mayora de las personas
entienden y pueden lograr. En la programacin por objetivos se le
asigna la prioridad P1al objetivo ms importante, siguiendo P2 a una
prioridad ms baja. No existe limite en el numero de niveles de
prioridad pero debe asignarse una prioridad para cada variable de
desviacin. Se permiten empates o prioridades iguales.

Los problemas de programacin por meta se resuelven en orden de

prioridad. Es decir, se prueba la optimizacin en el nivel de prioridad
ms alto ignorando las prioridades ms bajas hasta optimizar este
nivel.

Ejemplo:

La compaa Aedis ha desarrollado recientemente tres nuevos

productos haciendo uso del exceso de capacidad en sus tres plantas
sucursales existentes: Cada producto puede fabricarse en cualquiera
de las tres plantas. El anlisis ha demostrado que sera rentable
utilizar el exceso de capacidad para producir estos tres nuevos
productos. En realidad, el propsito de la gerencia al desarrollar los
nuevos productos era lograr la utilizacin completa de la capacidad
productiva de exceso sobre una base rentable. Mientras que las
plantas Aedis generalmente operan a capacidad plena en sus lneas
de productos existentes, la produccin por debajo de la capacidad
normal ocurre con poca frecuencia, presentando problemas con la
fuerza laboral. Aunque la compaa no necesita la fuerza laboral plena
durante los perodos de holgura, el costo de los despidos sera
considerable, y Aedis deseara evitar esto tanto como fuera posible.

Adems, la gerencia deseara balancear la utilizacin del exceso de

capacidad entre las sucursales. Esto servira para distribuir
equitativamente la carga de trabajo del personal de supervisores
asalariados y reducir los agravios de la fuerza laboral que se le paga
por horas, que de otra manera se sentira discriminada con respecto a
las cargas de trabajo o a los despidos.
Para el perodo que es est considerando, las plantas tienen las
siguientes capacidades de produccin en exceso(en trminos de
unidades) de nuevos productos y capacidades de embarque
disponibles asignadas a los nuevos productos:

Planta capacidad de exceso de capacidad de

produccin(unidades) embarque(pies cbicos)
1 750 12000

2 300 10000

3 450 6500

Los productos 1,2 y 3 requieren 30,20 y 15 pies cbicos por unidad,

respectivamente. Las contribuciones unitarias a la utilidad de los
productos 1,2 y 3 son $15,18 y 12 respectivamente. Los pronsticos
de ventas indican que Aedis puede esperar ventas tan altas como 900,
1000 y 700 unidades de los productos 1, 2 y 3 respectivamente,
durante el periodo de planeacin en consideracin.

Dada la situacin que hemos descrito, la administracin ha expresado

las siguientes metas de preferencia en orden de importancia
decreciente (P1=ms importante):

P1. Lograr una utilidad perseguida de $15000.

P2. Utilizar tanto de la capacidad de exceso como sea posible. Debido

al bajo costo de la mano de obra, la administracin cree que es 1,5
veces ms importante utilizar la capacidad de exceso de la planta 1
que la de las plantas 2 y 3.

P3. Lograr un balance de la carga de trabajo en la utilizacin de

exceso de la capacidad entre todas las plantas. Debido a ciertas
demandas adicionales de los trabajadores de la planta 1, la
administracin cree que si ocurre algn desbalance en la carga de
trabajo, es dos veces ms importante que favorecer a la planta 1con
menor trabajo con respecto a las plantas 2 y 3

P4. Lograr el pronstico de ventas para el producto 2, puesto que este

tiene la mayor contribucin a la utilidad por unidad.

P5. Producir suficiente cantidad de los productos 1 y 3 para cumplir

con las ventas pronosticadas.

P6. No exceder la capacidad de embarque disponible.

Formulacin del modelo

Los siguientes pasos se requieren para formular el modelo de

programacin meta.

1-Exceso en las restricciones de capacidad

N- desviacin negativa.

P- desviacin positiva.

X11 X21 X31 N1 P1 =750

X12 X22 X32 N2 P2 =300

X13 X23 X33 N3 P3 =450.

Donde Xij = nmero de unidades del producto i producidas en la planta

j

N1,N2,N3 =exceso de capacidad no utilizada en las plantas 1,2 y 3

respectivamente.

P1,P2,P3 = cantidad mediante la cual la capacidad de exceso se

excede las plantas 1,2 y 3 respectivamente.

2-Resricciones en el requisito de espacio

30X11 20X21 15X31 N4 P4=12000

30X12 20X22 15X32 N5 P5=10000

30X13 20X23 15X33 N6 P6= 6500

N4,N5,N6 =nmero de unidades de capacidad de embarque

disponible no utilizada en las plantas 1,2 y 3, respectivamente.

P4,P5,P6 = nmero de unidades de capacidad adicional de embarque

requerida en las plantas 1,2 y 3, respectivamente

3-Restricciones en las ventas esperadas

X11 X12 X13 N7 P7=900

X21 X2 X23 N8 P8=1000

X31 X32 X33 N9 P9= 700

N7,N8,N9 =nmero de unidades sublogradas de las ventas esperadas

de los productos 1,2 y 3 respectivamente.

P7,P8,P9 = nmero de unidades sobrelogradas de las ventas

esperadas de los productos 1,2 y 3 respectivamente.

4-Balance de carga de trabajo

X11 X21 X31 750 = X12 X22 X32 300

X11 X21 X31 750 = X13 X23 X33 450

Este balance de ecuaciones puede escribirse como una restriccin

meta por medio de una simple divisin y por transposicin del
miembro derecho como sigue (por transitividad, solamente dos
restricciones de balance son necesarias):

0.0013X11 0.0013X21 0.0013X31 0.0033X12 0.0033X32 P0.

0033X32 +N10 P10 =0

0.0013X11 0.0013X21 0.0013X31 0.0022X13 0.00223X23 0.

00223X33 + N11 P11=0

N10, N11= nmero de unidades producidas demasiado bajas con

relacin a las producidas en las plantas 2 y 3, respectivamente.

P10, P11= Nmero de unidades producidas en exceso relativas a las

que es producen en las plantas 2 y 3, respectivamente.

5- Restriccin de utilidad

15(X11 X12 X13) 18(X21 X22 X23) 12(X31 X32 X33) N12
P12=15000

N12 =suma en dlares por debajo de la utilidad perseguida.

P12 = suma en dlares por encima de la utilidad perseguida.

Si la meta de utilidad no se enuncia, se puede restringir el lado

derecho de esta ecuacin para que sea cero y determinar cul sera la
utilidad. Puesto que todas las variables reales (Xij) y las variables de
desviacin (N P) son no negativas, el valor de (N12, P12) sera la
utilidad real.
6- Funcin objetivo

Minimizar
Z=PR1(N12 P12) 1,5PR2(N1) PR2(N2 N3) 2PR3(N10 N11) P
R3(P10 P11)+PR4(N8) PR5(N7 N9) PR6(P4 P5 P6)

Puesto que la administracin desea conseguir una utilidad perseguida

de $15000 con la ms alta prioridad, se asigna PR1 a las variables de
desviacin en la meta de restriccin de utilidad. La segunda meta de la
administracin sera utilizar el exceso de capacidad de planta hasta
donde fuera posible. Sin embargo, era preferible utilizar el exceso en
la planta 1 sobre las plantas 2 y 3 en una relacin de 1,5 a 1. Esta
situacin presumiblemente representa una distincin en los costos de
operacin de las diferentes plantas. Para reflejar las prioridades
relativas de la administracin, se modifica la formulacin estndar de
la funcin objetivo(que sera(PR2(N1 N2 N3)) a
1,5PR2N1 PR2(N2 N3), que pondera el logro de la minimizacin de
la desviacin 1 con un factor de 3/2 vez. El segundo nivel general de
prioridades administrativas que tienen que ver con el problema de
PR2. La tercera meta de la administracin era lograr un balance de
subutilizara la planta 1 en vez de sobreutilizarla, debido a factores
adicionales desfavorables que existan all y no se presentan en las
plantas 2 y 3. Por tanto, se asigna 2PR3 a N10 y N11 y PR3 a P10 y
P11. Puesto que la cuarta meta era lograr las ventas esperadas del
producto 2, se asigna PR4 a N8. A N7 y N9 asignamos PR5, pues la
quinta meta es el logro de estas ventas esperadas. Aqu no preocupa
el sobrelogro de las ventas pronosticadas, puesto que se puede, si
hay espacio disponible, almacenar un inventario. Si no es posible, las
restricciones en la capacidad de embarque, que tienen prioridad ms
alta, tendrn en cuenta esta situacin. Puesto que la sexta meta de la
administracin es no exceder la capacidad de embarque, se asigna a
P4, P5 y P6 el valor de PR6.

METODOS DE SOLUCION

Si se supone el problema de planificar la produccin de una papelera

de propiedad pblica en la que existen dos posibles productos: pulpa
celulosa obtenida por medios qumicos o pulpa celulosa obtenida por
medios mecnicos. Se representar por X1 y X2, respectivamente, las
toneladas diarias de pulpa de celulosa obtenida por los dos
mencionados procedimientos. Las capacidades mximas de
produccin se estiman en 300 y 200 toneladas/da para cada uno de
los dos tipos de pasta de celulosa. Cada tonelada de pasta de
celulosa producida demanda un jornal. La empresa dispone de una
plantilla de 400 trabajadores, no deseando contratar mano de obra
eventual. El margen bruto(ingresos menos costos variables)por
tonelada de pasta de celulosa obtenida por medios qumicos es de
$1000 , siendo de $3000 el que se obtiene a travs de medios
mecnicos Los costos fijos de la papelera se estiman en 3300
unidades/da: la empresa deseara, al menos, cubrir los costos fijos.

Las preferencias de la empresa se concentran en la maximizacin del

margen bruto(objetivo econmico) y el la minimizacin del dao
generado en el ro en el que la papelera vierte sus residuos
productivos (objetivo ambiental). Se estima que los residuos
producidos por cada tonelada de pasta de celulosa obtenida por
medios mecnicos y por medios qumicos generan unas demandas de
oxgeno en las aguas del ro de 1 y 2 unidades. A la vista de estos
datos, la estructura matemtica del modelo multiobjetivo es la
siguiente:

Se formular el modelo como un modelo de programacin por metas.

Para ello, se consideran los trminos independientes no como
cantidades rgidas que hay que alcanzar para que la solucin sea
factible, sino como niveles de aspiracin que el centro decisor desea
satisfacer en la medida de lo posible. Es decir, las restricciones rgidas
iniciales se convierten en metas o restricciones(blandas) que pueden
violarse sin que ello genere soluciones imposibles. Para desarrollar
este ejercicio se asocia al atributo demanda biolgica de oxgeno un
nivel de aspiracin de 300 unidades, a los dems atributos se les
asocia como nivel de aspiracin el trmino independiente de la
correspondiente restriccin rgida, excepto para el atributo margen
bruto, al que se le asocia un nivel de aspiracin de 400 unidades. De
esta forma, se tiene la siguiente lista de metas:

G1:X1 2X2 N1 P1=300(demanda biolgica de oxgeno)

G2:1000X1 3000X2 N2 P2=400( margen bruto)

G3:X1 X2 N3 P3=400 (empleo)

G4:X1 N4 P4=300(capacidad de produccin)

G5:X2 N5 P5=200(capacidad de produccin)

Seguidamente, se pasa a determinar las variables de desviacin no

deseadas. Para la meta G1 la variable de desviacin no deseada sera
la P1, pues obviamente se desea alcanzar una demanda biolgica de
oxgeno lo ms pequea posible(de ser posible menor de 300
unidades). Para la meta G2 la variable de desviacin no deseada ser
la N2, pues se desea alcanzar un margen bruto lo ms grande
posible(de ser posible mayor de 400 u). Para la meta G3 se supone
que al centro decisor no le interesa ni quedarse corto con respecto al
nivel de aspiracin (mano de obra ociosa), ni quedarse
largo(contratacin adicional de mano de obra), en tal caso, tanto N3
como P3 son variables de desviacin no deseadas, finalmente, el
centro decisor no desea superar sus capacidades de produccin, lo
que implicara recurrir a turnos extraordinarios, en consecuencia, las
variables P4 y P5 son no deseadas.

Una vez determinadas las variables de desviacin no deseadas, el

paso siguiente en la formulacin de un modelo de programacin por
metas consiste en proceder a la minimizacin de dichas variables. El
proceso de minimizacin puede acometerse de diferentes maneras.
Puede decirse que cada una de estas maneras origina una variante de
la programacin por metas. Seguidamente se pasa a exponer las
variantes ms utilizadas.

PROGRAMACION POR METAS PONDERADAS

La manera ms intuitiva de acometer la minimizacin de las variables

de desviacin no deseadas consiste en minimizar la suma de dichas
variables. as, para nuestro ejemplo, tendramos que proceder a
minimizar la siguiente suma:

MIN P1 + N2 + N3 + P3 + P4 + P5 (4)

Ahora bien, la expresin (4) carece de significado y no debe de

utilizarse como surrogado de las preferencias del centro decisor por
las siguientes razones. La expresin (4) suma variables de desviacin
medidas en unidades diferentes(unidades monetarias, nmero de
jornales, toneladas de pasta de papel, etc.) por lo que su suma no
tiene significado, es como si sumramos (caa de cerveza con kilos
de patatas). Adems, como los valores absolutos de los niveles de
aspiracin son muy diferentes, la minimizacin de (4) puede producir
soluciones sesgadas hacia un mayor cumplimiento de las metas con
niveles de aspiracin elevados. Ambos problemas pueden evitarse si
en vez de minimizar una suma de desviaciones absolutas procedemos
a minimizar una suma de desviaciones porcentuales. As, la expresin
(4) se convierte en:

Min. P1/300 + N2/400 + (N3+P3)/400 + P4/300 + P5/200 (5)

En efecto, como los porcentajes carecen de dimensin, la suma dada

por (5) no presenta problema de homogeneidad. Adems, el
 procedimiento de normalizacin empleado elimina cualquier sesgo
hacia el cumplimiento de metas con niveles de aspiracin elevados.
No obstante, la expresin (5) presenta todava un problema para
poderla considerar un surrogado de las preferencias del centro
decisor, en efecto, en la formulacin dada por (5) subyace el supuesto
de que el centro decisor da la misma importancia al logro de todas las
metas, lo cual no tiene necesariamente que ser cierto. Este problema
puede superarse sustituyendo la expresin (5) por:

Min. W1 P1/300 + W2 N2/400 + W3 (N3+P3)/400 + W4 P4/300 + W5

P5/200.

Donde los coeficientes W ponderan la importancia relativa que el

centro decisor asigna a la realizacin de cada meta. Este mtodo
consiste en minimizar la suma ponderada de las variables de
desviacin no deseadas, expresadas en trminos porcentuales, se
conoce en la literatura con el nombre de programacin ponderada.
Para nuestro ejemplo, a formulacin completa del modelo de metas
ponderadas sera el siguiente:

Min W1 P1/300 + W2 N2/400 + W3 (N3+P3)/400 + W4 P4/300 + W5

P5/200

Sujeto a:

G1: X1 + 2X2 + N1 - P1=300

G2: 1000X1 + 3000X2 + N2 - P2=400

G3: X1 + X2 + N3 - P3=400

G4: X1 + N4 - P4=300

G5: X2 + N5 - P5=200

Algortmicamente, la estructura del modelo(5) corresponde a la de un

modelo de programacin lineal tradicional que puede resolverse de
una manera inmediata recurriendo al Simplex. Para diferentes
sistemas de pesos se irn generando distintas soluciones. As, si
hacemos W1=...=W5=1, esto es, si el centro decisor asigna la misma
importancia a la realizacin de las diferentes metas, se obtiene la
siguiente solucin ptima:

N1=0 X1=300 X2=33,33

N3=66,66 P1=66,66 N2=P2=0
P3=0 N4=P4=0
N5=166,66 P5=0

La solucin obtenida permite la completa realizacin de la meta

G2(margen bruto), G4 y G5(capacidades de produccin). Por el
contrario, en lo referente a la meta G1, se supera la demanda
biolgica de oxgeno deseada en 66,66 unidades y en cuanto a la
meta G3, no se utilizan 66,66 jornales de los 400 disponibles
obviamente, los anlisis basados en modelos de programacin por
metas pueden enriquecerse considerablemente, sometiendo los pesos
preferenciales a un anlisis de sensibilidad. De esta manera, para
cada conjunto de pesos ensayados se obtendr la solucin ptima del
modelo que mejor se adecua a la estructura de preferencias del centro
decisor que surroga el correspondiente conjunto de pesos.

PROGRAMACION POR METAS LEXICOGRAFICAS.

En la programacin por metas lexicogrficas, las metas situadas en la

prioridad ms alta se satisfacen en la medida de lo posible, solo
entonces se considera la posible satisfaccin de metas situadas en
prioridades ms bajas. Es decir, las preferencias se ordenan igual que
las palabras en un lxico o diccionario, de ah la denominacin de
programacin por metas lexicogrficas.

Con el objetivo de ilustrar la estructura de este enfoque, supongamos

que para el centro decisor la prioridad primera Q1 est formada por las
metas G4 y G5. Esto es, para el centro decisor las primeras metas que
se deben satisfacer de una manera absoluta y excluyente son las que
pretendan garantizar que no se superen las capacidades de
produccin de la fbrica. La siguiente prioridad en orden de
importancia Q2 est formada por la meta G1, que pretende que el plan
de produccin genere una demanda biolgica de oxgeno de, como
mximo, 300 unidades. La prioridad Q3 est formada por la meta G2,
que pretende alcanzar un margen bruto de almenos 400.00 u.
Finalmente, la ltima prioridad Q4, est formada por la meta G3, que
pretende utilizar, exactamente, la fuerza de trabajo disponible.
Consecuentemente, el proceso completo de minimizacin lexicogrfica
de las variables de desviacin no deseadas se traduce en el siguiente
vector:

LEX MIN a= (P4+P5);(P1);(N2);(N3+P3)

Sujeto a:
Q2 G1: X1 + 2X2 + N1 - P1=300

Q3 G2: 1000X1 + 3000X2 + N2 - P2=400

Q4 G3: X1 + X2 + N3 - P3=400

Q1 G4: X1 + N4 - P4=300

Q1 G5: X2 + N5 - P5=200

Esta programacin por metas lexicogrficas puede resolverse

recurriendo a algunos de los mtodos de resolucin que, con mayor o
menor detalle, se expondrn en los prximos apartados. Recurriendo
a cualquiera de estos mtodos se obtiene la siguiente solucin ptima.

X1=100 , X2=100
N1=P1=N2=P2=0
N3=200 P3=0
N4=200 P4=0 N5=100 P5=0

Con el siguiente vector de logro ptimo:

A* = 0,0,0,200 .

La solucin obtenida permite el logro completo de las metas G1,G2 y

G5 que forman las tres primeras prioridades. Con respecto a la meta
G3, que forma la ltima prioridad, existe una desviacin negativa de
200 jornales; es decir, en la solucin lexicogrficamente ptima, se
satisfacen todas las metas excepto la referente a la utilizacin de toda
la fuerza de trabajo, quedando 200 jornales sin utilizar.

Es interesante observar que, aunque las variables P4 y P5 estn

medidas en las mismas unidades(toneladas/da) y por tanto su suma
tiene pleno sentido, sin embargo, como sus correspondientes niveles
de aspiracin alcanzan valores diferentes, en rigor el trmino P4+P5
de la funcin de logro debera de sustituirse por el trmino
(P4/300)+(P5/200), tal como se apunt en el apartado anterior.
Asimismo, es til comparar las soluciones que han generado los
modelos de metas ponderadas y de metas lexicogrficas. En el caso
del modelo basado en metas ponderadas, la suma de las variables de
desviacin no deseadas en el ptimo es igual a
P1+N3=66,66+66,66=133,32, mientras que en el modelo lexicogrfico
dicha suma es mayor: N3=200. Esta diferencia es lgica, pues la
mayor desviacin generada por el modelo lexicogrfico queda
 compensada por un mayor nivel de realizacin de la meta G1( P1=0
en el modelo (6), mientras que P1=66,66 en el modelo (5)) situado en
la segunda prioridad.

EL METODO SECUENCIAL PARA RESOLVER PROGRAMAS

LEXICIGRAFICOS.

Este mtodo consiste en resolver una secuencia de programas

lineales. El primer programa lineal de la secuencia minimiza la primera
componente del vector de logro, sujeta esta minimizacin a las
restricciones(igualdades) correspondientes a la prioridad Q1. El
segundo programa lineal minimiza la segunda componente de la
funcin de logro sujeta tanto a las restricciones correspondientes a las
prioridades Q1 y Q2, como a los valores de las variables de desviacin
de la prioridad q1 que se obtuvieron en la solucin precedente. El
procedimiento secuencial contina hasta resolver el ltimo programa
lineal

Primer problema( primer nivel de prioridad)

Minimizar a1=P4+P5

Sujeto a:

X1 + N4 - P4=300

X2 + N5 - P5=200

Existen ptimos alternativos para las variables de decisin(1*) y para

P4=P5=0.

(1*) la existencia de ptimos alternativos se puede comprobar fcilmente por

inspeccin de la tabla final del simplex. As, si en esta tabla para al menos
una variable no bsica su costo reducido es cero, entonces existen ptimos
alternativos.

Segundo problema(segundo nivel de prioridad)

Minimizar a2=P1

Sujeto a:

X1 + N4=300

X2 + N5=200
X1 + 2X2 + N1 - P1=300

Nuevamente existen ptimos alternativos para las variables de

decisin y P1=0

Tercer problema( tercer nivel de prioridad).

Minimizar a3=N2

Sujeto a:

X1 + N4=300

X2 + N5=200

X1 + 2X2 + N1=300

1.000X1 + 3.000X2 + N2 - P2=400.000

vuelven a existir ptimos alternativos para las variables de decisin y

N2=0

Cuarto problema (cuarto nivel de prioridad).

Minimizar a4=N3 + P3

Sujeto a:

X1 + N4=300

X2 + N5=200

X1 + 2X2 + N1=300

1.000X1 + 3.000X2 - P2=400.000

X1 + X2 + N3 - P3=400

La solucin ptima de este programa lineal, y de todo el modelo

lexicogrfico es: X1=100,X2=100,N3=200, en lo referente a variables
de decisin y variables de desviacin no deseadas no nulas; se
reproduce la solucin ofrecida al final del ejercicio planteado como
programacin por metas lexicogrficas.

En definitiva, el mtodo secuencial expuesto exige resolver una

secuencia de programas lineales cuyo nmero mximo coincide con el
 nmero de niveles de prioridad que tenga el modelo. El nmero de
programas lineales a resolver se reducir, cuando al resolver uno de
ellos no se detecte la existencia de ptimos alternativos; en tal caso, el
proceso de clculo se detiene no siendo necesario resolver los
programas lineales.

APLICACIN 2 PROBLEMAS DE TRANSPORTE.

La Mercury Distributing Company suministra un solo producto a tres

clientes en diversos sitios desde bodegas diferentes. Durante el
perodo de planeacin considerado, la compaa no puede cumplir la
demanda de los clientes los cuales deben satisfacerse a expensas de
otros. Para evitar desequilibrios serios, es importante balancear la
porcin de demanda satisfecha entre ciertos clientes. Tambin debido
a acuerdos sindicales, la compaa debe satisfacer ciertos requisitos
mnimos en los niveles de embarque en ciertas rutas. Finalmente,
varias de las rutas sobre las cuales se podra embarcar el producto
son peligrosas y deben evitarse.

El problema de transporte se resume a continuacin , los costos de

embarque se dan en cada una de las celdas y los valores de demanda
en los mrgenes. Note que la demanda total excede al suministro en
1.500 unidades.

De a cliente 1 cliente2 cliente 3 suministro

Bodega 1 10 4 12 3.000
Bodega 2 8 10 3 4.000
Demanda 2.000 1.500 5.000 8.500 7.000

La administracin ha expresado las siguientes preferencias de las

metas en el orden decreciente de importancia(P1= ms importante):

P1. Satisfacer la demanda total del cliente 3(entrega garantizada).

P2. Satisfacer por lo menos el 75% de la demanda de cada cliente.

P3. Minimizar el costo de transporte para los artculos embarcados.

P4. Embarcar por lo menos 1.000 unidades en la ruta de la bodega 2

al cliente 1 (convenio sindical9.
P5. Minimizar el costo de embarque en las rutas de la bodega 1 al
cliente 3 y de la bodega 2 al cliente 2 (peligros).

P6. Balancear el porcentaje de demanda satisfecha entre los clientes

1 y 2.

Formulacin del modelo. Se definen las siguientes variables:

Xij= nmero de unidades embarcadas de la bodega i al cliente j.

Ni= sublogro de la meta en la restriccin i-sima.

Pi= sobrelogro de la meta en la restriccin isima.

1.restricciones de suministro. El suministro se restringe a la

capacidad de la bodega, por tanto, las desviaciones positivas pueden
excluirse de las restricciones de suministro.

X11 + X12 + X13 + N1=3.000

X21 + X22 + X23 + N2=4.000.

2. restricciones de demanda. Supongamos que la compaa nunca

desea sobrecumplir la demanda del cliente. Por tanto, las
desviaciones positivas pueden excluirse de las restricciones de
demanda . sin embargo, las desviaciones negativas deben incluirse
para identificar el sublogro de las metas de demanda, pues la
demanda total excede el suministro total.

X11 + X21 + N3=2.000

X12 + X22 + N4=1.500

X13 + X23 + N5=5.000.

3. meta de convenio sindical. El convenio sindical expresa que al

menos 1.000 unidades deben embarcarse de la bodega 2 al cliente 1.
La variable N6 representa una desviacin negativa de esta meta,
mientras que la variable P6 es la cantidad de sobrelogro de la meta.

X21 + N6 - P6=1.000

4. mnima meta de demanda satisfecha. Para evitar desequilibrios

grandes de satisfaccin de demanda entre los clientes, se incluye una
meta de satisfaccin de por lo menos el 75% de la demanda de cada
uno de los clientes. Las restricciones adecuadas, incluyendo variables
de desviacin son las siguientes:

X11 + X21 + N7 - P7=1.500

X12 + X22 + N8 - P8=1.125

X13 + X23 + N9 - P9=3.750.

5. meta de peligros en la carretera. Debido a los peligros de la

carretera, la Compaa desea minimizar el embarque desde la bodega
1 al cliente 3 y desde la bodega 2 al cliente 2. Por tanto, el nivel de
meta para estas restricciones e fija en cero y se minimizan P10 y P11.

X13 - P10=0

X22 - P11=0.

6. meta de balance a clientes. La compaa desea transportar

cantidades a los clientes 1 y 2 tales que una proporcin igual de la
demanda de cada una sea satisfecha. Esto se puede expresar por

(X11+X21)/2.000 = (X12+X22)/1.500.

as, trasponiendo e incorporando variables de desviacin, la restriccin

meta se convierte en

X11 - 1,33X12 + X21 - 1,33X22 + N12 - P12=0.

7. meta del costo de transporte. Puesto que la compaa desea

minimizar el costo total de transporte, se impone una meta de cero y
se hace un intento por minimizar la desviacin positiva de este valor
de la meta perseguida.

10X11 + 4X12 + 12X13 + 8X21 + 10X22 + 3X23 - P13=0.

8. funcin objetivo.

Minimizar
Z=PR1(N5)+PR2(N7+N8+N9)+PR3(P13)+PR4(N6)+PR5(1.2P10+P11)
+PR6(N12+P12).

Note que para PR5,P10 tiene un coeficiente de 1,2, pues el costo de

embarque de la bodega 1 al cliente 3 (c=12) es 1,2 veces mayor que
el costo de embarque de la bodega 2 al cliente 2(c=10).
 Aplicacin 3 Anlisis de portafolio

La Sentinal Finance Company, una compaa pequea , desea invertir

en cuatro acciones de valores. El costo de cada una y la tasa de
retorno pronosticada de cada una por cinco analistas de la compaa
se presenta a continuacin:

Valor 1 Valor 2 Valor 3 Valor 4

Costo $ 30,00 $45,00 $ 27,00 $ 53,00
Pronstico 1 3,00 13,00 4,00 25,00
Pronstico 2 1,00 4,50 0,60 15,00
Pronstico 3 2,75 1,75 2,75 20,00
Pronstico 4 4,50 5,00 1,90 5,00
Pronstico 5 3,25 2,75 3,75 35,00
Retorno esperado 2,90 5,40 2,60 20,00
($ / accin )

Adems, la compaa financiera no deseara invertir mas de $100.000.

Sentinal tiene las metas siguientes para su portafolio de inversiones:

P1 : Lograr un retorno esperado de 10% de la cantidad invertida.

P2 : Alcanzar un riesgo mnimo ( que se mide como la desviacin

absoluta de los retornos esperados ; un subrogado de la varianza )

P3 : Invertir 10% de la inversin total en el valor 4

P4 : Invertir un mximo de $100.000

Formulacin del Modelo. El problema de portafolio puede formularse

como un problema de programacin meta de la manera siguiente:

1. Restriccin en el retorno esperado . Puesto que el retorno

esperado perseguido es 10% , se consideran tanto desviaciones
positivas como negativas en las restricciones , esto es

2,90 x1 + 5,40 x2 + 2,60 x3 + 20,00 x4 + n1 p1 = 0,10 ( 30 x1 + 45

x2 + 27 x3 + 53 x4 ) , que se simplifica para obtener

0,10 x1 + 0,90 x2 0,10 x3 + 14,70 x4 + n1 p1 = 0 ,
donde Xj = numero de acciones invertidas en el valor j

n1 = cantidad en que sublogra el retorno esperado

p1 = cantidad en que se sobrelogra el retorno esperado

2- Restricciones de minimizacin del riesgo

0,10 x1 + 7,60 x2 + 1,40 x3 + 5,00 x4 + n2 p2 = 0

- 1,90 x1 0,90 x2 2,00 x3 5,00 x4 + n3 p3 = 0

- 0,15 x1 3,65 x2 + 0,15 x3 + 0,00 x4 + n4 p4 = 0

1,60 x1 0,40 x2 0,70 x3 15,00 x4 + n5 p5 = 0

0,35x1 2,65 x2 + 1,15 x3 + 15,00 x4 + n6 p6 = 0

donde n2, . . . , n6 = cantidad de desviacin negativa con respecto a la

meta de cero

p2, . . . , p6 = cantidad de desviacin positiva respecto a cero

La restriccin de riesgo , medida como el valor absoluto de las

desviaciones de los retornos pronosticados de un valor con respecto a
su retorno medio pronosticado , se determina de la tabla anterior de
pronsticos . Por ejemplo, la primera restriccin en esta seccin se
determina como sigue. Primero, determine las desviaciones de los
retornos pronosticados por el primer analista con respecto a los
retornos medios esperados para los valores del 1 al 4. Las
desviaciones totales deseadas de estos pronsticos (multiplicadas por
las acciones desconocidas invertidas en cada valor, Xj) deben ser
iguales a cero, para minimizar el riesgo, como las desviaciones
pueden estar por encima o por debajo de cero se incluyeron tanto las
positivas como las negativas en estas restricciones

3 Restriccin de inversin en el valor 4

53,00 x4 = 0,10 ( 30,00 x1 + 45,00 x2 + 27,00 x3 + 53,00 x4 ) n7 +

p7

- 3,00x1 4,50 x2 2,70 x3 + 47,70 x4 + n7 p7 =0

donde n7=cantidad que falta para lograr invertir el 10% de los fondos
invertidos en el valor 4

p7=cantidad sobrelograda de esa meta

Esta restriccin plantea que se quiere invertir exactamente 10% de los

fondos invertidos en el valor 4 ; por tal razn se han incluido las
desviaciones positivas y negativas , y estarn presentes en la funcin
objetivo

4 Restriccin de inversin total

30 x1 + 45 x2 + 27 x3 + 53 x4 + n8 = 100.000

donde n8 = cantidad en que no se satisface la meta

Solo se incluyo la variable de desviacin negativa porque la restriccin

se limita a la cantidad de fondos disponibles

Modelo de Programacin Meta Resumido

Minimizar Z = P1 ( n8 ) + P2 (n1 + p1 ) + P3 ( n2 + p2 + n3 + p3 + n4 +
p4 + n5 + p5 + n6 + p6 ) + P4 ( n7 + p7 )

-0,10 x1 + 0,90 x2 0,10 x3 + 14,70 x4 + n1 p1 = 0

0,10 x1 + 7,60 x2 + 1,40 x3 + 5,00 x4 + n2 p2 = 0

-1,90 x1 0,90 x2 2,00 x3 5,00 x4 + n3 p3 = 0

-0,15 x1 3,65 x2 + 0,15 x3 + 0,00 x4 + n4 p4 = 0

1,60 x1 0,40 x2 0,70 x3 15,00 x4 + n5 p5 = 0

0,35 x1 2,65 x2 + 1,15 x3 + 15,00 x4 +n6 p6 = 0

-3,00 x1 4,50 x2 2,70 x3 + 47,70 x4 + n7 p7 = 0

30,00 x1 + 45,00 x2 + 27,00 x3 + 53,00 x4 + n8 = 0

todo Xj , Ni , Pi >= 0

Para resolver un problema multicriterio por programacin lineal, una

de las metas tendra que escogerse y formularse en la funcin
objetivo. Esta sera la meta de menor importancia. Las metas
restantes necesitaran ser incorporadas en las restricciones del
modelo. El algoritmo simplex sera para seleccionar una solucin
ptima que satisfaciera primero todas las restricciones, y solamente se
preocupara posteriormente en la optimizacin de la funcin objetivo. Si
no existe solucin que satisfaga todas las restricciones, la meta en la
funcin objetivo se tendra que eliminar y formular un nuevo problema
de programacin lineal.

La nueva formulacin contendra entonces en la funcin objetivo la

siguiente meta de menor importancia. Este proceso continuara hasta
obtener una solucin factible.

Las caractersticas claves de un problema de programacin meta son:

las metas se satisfacen en el orden de prioridad establecido por

el tomador de decisiones.
Las metas no necesitan satisfacerse exactamente sino tan cerca
como sea posible.

El modelo de programacin meta se puede expresar en general en la

forma siguiente:

Minimizar Z= Wi(Pi+Ni)

Sujeto a aij +N P = bi

Xj, Ni, Pi 0, todo i, j

Donde Xj es la variable de decisin j.

Wi es la prioridad asignada a la meta i

Ni es el grado de sublogro de la meta i.

Pi es el grado de sobrelogro de la meta i.

La principal diferencia entre la programacin meta y la programacin

lineal, es que en la programacin lineal todos los objetivos excepto el
ms dbil deben satisfacerse exactamente, mientras que para la
programacin meta cada meta debe satisfacerse hasta donde esa
posible.

Si se desea lograr una meta exactamente, tanto las variables de

desviacin como las variables que indican la cantidad de sublogro de
la meta deben incluirse en la funcin objetivo que se debe minimizar.
Si se debe evitar el sublogro, la variable de desviacin
correspondiente al sublogro debe incluirse en la funcin objetivo, pero
la del sobrelogro podra eliminarse.

Por ejemplo, si uno desea hacer que la suma de dos variables X1 y X2

sea igual a 100, la restriccin podra formularse as:

X1 + X2 + N1 - P1=100

Aqu N1 0 indicara que la suma X1 y X2 sera menor que 100 y

P1 0 indicara que la suma sera mayor que 100. Para un logro
exacto de la funcin objetivo( para minimizar) tendra que incluirse
tanto P1 como N1. Para evitar el sublogro, solamente la variable N1
aparecera en la funcin objetivo.

Los factores de prioridad preestablecidos son los coeficientes

asociados con las desviaciones en cada meta en la formulacin de
programacin meta. Tienen la prioridad de que, si la meta i es ms
importante que la meta j, el factor Pi ser mucho mayor que Pj. Esto
significa que an si las desviaciones de la meta j son muy grandes
comparadas con las desviaciones de la meta i, el mtodo simplex
minimizar la funcin objetivo de acuerdo a la desviacin de la meta i.

La ponderacin cardinal puede ser usada(1) para indicar el valor

relativo de las metas , uno podra asignar un factor de prioridad 3Pi a
una meta tres veces ms importante que la meta i, o (2) para indicar la
importancia relativa del sobrelogro versus el sublogro de una meta. Si
los pesos cardinales se asignan a las metas o prioridades, el problema
puede resolverse como un programa convencional lineal.

En general, una solucin simplex a problemas de programacin meta

es similar a problemas de programacin lineal. Sin embargo, en el
caso de programacin meta , debemos trabajar en la funcin objetivo
con factores de prioridad en lugar de pesos. El resultado de estos es
que los trminos de la fila de evaluacin (Zj Cj), en general, son
trminos que contienen uno o ms factores de prioridad. As, en la
programacin meta, para escoger las variables que entran a la base,
buscamos el trmino (Zj Cj) que contenga el valor positivo ms alto
en el factor de prioridad ms alto que permanezca. Solamente
despus de que los trminos ms altos de prioridad Zj -Cj tomen
valores no positivos, consideramos los trminos de baja prioridad. En
la programacin meta, los trminos Zj Cj son vectores, mientras que
en la programacin lineal son escalares.

La programacin meta es aplicable en las siguientes reas:

 MERCADEO. Donde las metas conflictivas podran ser:
maximizar la participacin del mercado, minimizar los costos de
publicidad, maximizar el margen de gananci8a por artculo
vendido.
CONTROL DE INVENTARIOS. Donde es necesario minimizar el
nmero de faltantes y minimizar el costo de almacenaje.
PRODUCCION. Donde es necesario minimizar el costo de
fabricacin, maximizar el control de calidad, y maximizar la
utilizacin de recursos.

Un mtodo para obtener la clasificacin de importancia es la

comparacin por pares. Al tomador de decisiones se le presentan
todos los pares posibles y se le pregunta, qu meta de cada par es
ms importante. A cada meta se le da una clasificacin basada en el
nmero de veces que la meta tiene la clasificacin ms alta en las
comparaciones por pares. Si el tomador de decisiones es consistente,
la meta ms importante debera tener el rango ms elevado en las n-1
comparaciones apareadas(donde n es el nmero de metas), la
siguiente mejor deber tener la clasificacin ms lata en n-23 metas y
as sucesivamente.