Академический Документы
Профессиональный Документы
Культура Документы
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. 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.
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
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:
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
M ax B ( x, y) = 4 x + 3 y M in C ( x , y ) = 3 x + 2 y s. a x+ y 5 2x + y 8 x 1 x, y 0
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.
( 1) B e n e fic io s M ax B ( x, y) = 4 x + 3 y s. a x + y 5 2x + y 8 x 1 x, y 0
( 2 ) C o n ta m in a c io n M in C ( x , y ) = 3 x + 2 y s. a x + y 5 2x + y 8 x 1 x, y 0
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:
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
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:
( Pi )
Max f i (x) s. a x X
Tras la resolucin obtendremos p puntos correspondientes a los mximos * * individuales de cada uno de ellos, denotndolos por: x* 1 , x 2 ,L , x p . La evaluacin de los puntos ptimos en sus correspondientes objetivos nos determinar un punto que se denomina punto ideal:
* * ( f 1 (x* 1 ), f 2 ( x 2 ),L , f p ( x p ))
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
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.
x x
...
* 1 * 2
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
min i
f 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* 1 = (3, 2) y x 2 = (1, 0):
x = (3,2) x = (1,0)
* 1 * 2
f1 = B 18 4
f2 = C 13 3
-f2 = -C -13 -3
Los correspondientes rangos de variacin son: Para f1 = B [4, 18] y para f2 = C [3, 13]. Considerado en mnimo si tomamos -f2 = -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).
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
As, como antes hemos mencionado, necesitamos el establecimiento de un orden que nos permita establecer comparaciones entre vectores. Dentro del espacio vectorial multiobjetivo:
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
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: fi (x) fi (x*) i = 1, ..., p con al menos un j tal que fj (x) > fj (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: fi (x) fi (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.
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
Definicin 2. Un punto x* es dbilmente eficiente si no existe x tal que: fi (x) > fi (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: fi (x) > fi (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 fi (x*) < fi (x) existe al menos un ndice j{1, ..., p} tal que fj (x*) < fj (x) y adems:
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
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
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz
10
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.
R. Caballero, T. Gmez, M. Gonzlez, M. Hernndez, F. Miguel, J. Molina, M.M. Muoz, L. Rey, F. Ruiz