REVISTA ESPANOLA DE FINANCIACIN Y CONTABILIDAD

Vol. VI, n. 22
octubre-diciembre 1977
pp. 61-76

LA PROGRAMACION
LINEAL MULTICRITERIO
(PANORAMICA GENERAL
FRENTE A LAS DECISIONES EMPRESARIALES)

Por Francisco Jos VALER0 LOPEZ

Profesor de Economa de la Empresa
de la Universidad Autnoma de Madrid

SUMARIO:
1.-Introduccin. 2.-La programacin Lineal rnulticriterio: concepto y elementos.
3.-Procedimientos de solucin de la programacin lineal rnulticriterio. 4.-Un ejernplo de aplicacin.

F. J. Valero Lpez: La programacin lineal multicriterio

729

1 INTRODUCCION

cuyo caso, el poder conseguir todos

ellos, no necesitamos plantearnos
Nuestro trabajo parte de la hiptesis de
ninguna eleccin entre los mismos.
que, en general, todo sujeto decisor, ya
b) La existencia de una escala de
sea una persona, ya sea una organizacin,
prioridades claramente establecida
tiene frente a s un conjunto variado de
para el conjunto de dichos objetivos,
objetivos, con un mayor o menor grado de
ya que entonces, aunque stos no
compatibilidad o de contradiccin entre
sean compatibles bastar con la apliellos, y de los que, en cada caso, no desea
cacin sucesiva de dicha escala,
ignorar un subconjunto relevante de los
hasta llegar al objetivo menos deseamismos. Es decir, ante cada situacin condo que sea factible conseguir.
creta en la que haya que emitir una deciAmbas situaciones son, sin embargo,
sin, el sujeto 4 la organizacin- confrecuentes en la vida real. Por un
templar ciertas consecuencias de la mis- lado, existe generalmente un conjunto de
ma, las cuales quedarn recogidas, al me- restricciones de diveisa naturaleza que imnos desde un Punto de vista operativo, en piden la consecucin shxd!thea de todos
una serie de funciones objetivo cuya opti- los objetivos considerados y, por consimizacin o satisfaccin de modo conjunto guiente, stos deben competir de cara a la
no ser, en general, posible de alcanzar. asignacin de los recursos limitados que
La
de este esquema en
dichas restricciones representan. Por otro,
campo de la optimizacin matemtica ha se ignora en muchos casos cul es la
dado lugar a una rama de la misma que se importancia relativa de cada uno de los obdenomina programacin multicriterio o jetivos, informacin que a veces constitutambin programacin multiobjetivo, de ye parte de la solucin a nuestro problema
desarrollo reciente, si bien, su concepto y, por lo tanto, inexistente, o mejor dicho,
ms fundamental, es decir, el de la solu- inutilizable, mientras ste no haya sido recin eficiente o no dominada, ya exista en suelto.
la obra de Pareto (1896) aplicado a la ecoOtra de las caractersticas generales de
de su toda situacin multicriterio es el abandono
noma del bienestar. La
desarrollo, junto con la fecundidad de los de la idea de optimalidad y, en consedistintos enfoques que han presidido el cuencia, de la ordenacin total que la
-sin que hasta la fecha se haya misma induce para las.distintas soluciones
conseguido una solucin definitiva integrasalvo en el caso trivial de que
dora de todos ellos-, han limitado sus todos los objetivos tengan un ptimo coalcances a la programacin lineal, donde mn, es decir, que nos encontremos ante
sin embargo, son variados 10s algoritmos Y una situacin como la descrita en el aparlas metodologas existentes.
tado a) anterior, dicha idea carece totalAs pues, el objetivo, de nuestro estudio mente de sentido, a menos que hayamos
comprender la programacin lineal multi- sido capaces de definir sin ambigedades
criterio (en adelante PLMC), si bien algu- una relacin entre los distintos objetivos
nas de nuestras consideraciones conserva- capaz de transformar a stos en uno
rn su validez ante formulaciones de masolo (i).
yor generalidad. La primera de ellas es la
exclusin de dos cll.,?s de situaciones,
la solu:"';n
ante las
problema
(1) A su vez, 1, existencia de una escala de prioque nos planteamos resulta trivial:
ridades claramente establecida puede considerarse
a) La perfecta compatibilidad entre los
distintos objetivos analizados, en

como un caso particular de relacinentre los distintos

objetivos, relacin que tiene ahora una naturaleza
iexicogrfica.

730

Revista Espaola de Financiacin y Contabilidad

1
1
l

,
l

1
l
l

I
l

El concepto que sustituye, entonces, al

de optimalidad en un contexto multicriterio es el de eficiencia o no dominacin.
Hablaremos de solucin eficiente (o no
dominada) cuando no exista ninguna otra
solucin posible que la mejore en, al
menos, uno de los objetivos, igualando los
niveles de los dems. Bajo esta nueva
perspectiva slo se consigue una ordenacin parcial del conjunto de soluciones
factibles, puesto que mientras que toda
solucin eficiente ser preferible a cualquiera que no lo sea, razn por la cual
podremos centrar nuestra atencin a slo
las primeras, las soluciones no dominadas
son incomparables entre s dentro del contexto del problema, debiendo recurrir entonces a nuevos criterios de eleccin, derivados la mayor parte de las veces de las
preferencias del sujeto decisor, as como
de cierta informacin que pueda extraerse
del propio problema.
Una ordenacin parcial es, por definicin, incompleta, lo cual puede ser una
fuente de complejidad para la toma de
decisiones. Ahora bien, esta complejidad
no puede en s misma ser considerada
como un resultado indeseable, ya que viene derivada de la esencia multiforme del
problema, siendo consustancial a ella, de
modo que no podemos suprimir la primera
sin ahogar la segunda, con todas las consecuencias que puedan derivarse de tal hecho. Ms an, y dado que se hace necesario dotar al sujeto decisor de ciertos instrumentos o criterios que le ayuden en la
eleccin entre las alternativas disponibles ,
dicha complejidad es fuente de nuevos mtodos, nuevos algoritmos, con los cuales
hacer frente a las situaciones multicriterio,
tpicas de la realidad econmico-empresarial.
Siguiendo a B. Roy podemos clasificar
las principales metodologas propuestas
dentro del tema que comentamos como
sigue (2):

1) Agregacin de las distintas funciones objetivo en una sola que permita

definir un orden total, con lo cual
se destruye en cierta forma la esencia multicriterio del problema.
2) Exploracin del conjunto de soluciones eficientes, extrayendo del mismo toda la informacin que pueda
servirnos para poder discriminar
aquella o aquellas soluciones ms
aconsejables, o que constituyan, en
cierto sentido, el mejor compromiso
entre los distintos objetivos implicados.
3) Definicin de un orden parcial ms
fuerte que el derivado de las funciones objetivo primitivas, de modo
que se reduzca en lo posible el nmero de soluciones finales a considerar.
4) Reduccin de la incomparabilidad
mediante tcnicas tales como el estudio de signos, el rango de los
parmetros, etc., las cuales requieren una menor informacin acerca
de las funciones globales subyacentes en cada problema. Por funciones
globales entendemos las representativas de la utilidad que para el sujeto decisor tiene cada una de las
posibles soluciones multicriterio.
De esta relacin las metodologas ms
utilizadas, con sus diversas variantes, son
las dos primeras, mientras que las dos
ltimas representan unas vas de investigacin insuficientemente exploradas por el
momento. Adems de los citados, tambin
pueden emplearse mtodos de prueba y
error orientados a la comprobacin de si
un conjunto concreto de valores para las
distintas funciones objetivo, propuesto por
el sujeto decisor, es factible o no, con lo
cual, sin ninguna estructura teorica subyacente, se logra tanto una total flexibilidad,
como una mayor facilidad de manejo por
parte de usuarios poco expertos en la
materia, factores ambos que van perdiendo
(2) Vid. ROY, B.: Problems and Methods With
Multiple Objetive Functions)). Mathernatical Progra- ventaja, tan pronto como el problema se
hace lo suficientemente complejo y mayor
rnming, 1, 1971, pgs. 239-266.

F. J. Valero Lpez: La programacin lineal multicriterio

es la dificultad de comprobar tal factibilidad (3).

2. LA PRBGRAMACION LINEAL
MULTICRITRIO: CONCEPTO Y
ELEMENTOS.
Un programa lineal multiciiterio con n
funciones objetivo adopta la siguiente forma general:

73 1

Para cada solucin eficient.e existir un

conjunto de valores A,, 1 = 1, n que
verifican:
n

C. h i =

1 y hi Z O , V i

(2)

i=i

y tales que dicha solucin eficiente se obtiene resolviendo el siguiente programa

lineal:

Mx f1 = c' x
Mx f2 = c2x
sujeto a las mismas restricciones originales.
sujeto a

donde hemos adoptado la notacin ms

usual en !a representacin matricial de un
programa lineal.
Bajo las hiptesis enunciadas al comienzo, no existe ningn ptimo comn a todas
las n funciones objetivo consideradas, por
lo que nuestro inters reside en caracterizar una solucin eficiente, x*, dentro del
conjunto de soluciones factibles. Para dicha solucin, se cumplir que no existir
ninguna otra posible x, tal que:

f i ( Y ) # f i (x*)

para al inenos un i

(3) Una comparacin, desde el punto de vista experimental, de uno de tales mtodos junto con otros
con mayor fundamentacin terica puede varse en:
WALLENINS, J.: Comparative Evaluation of
Some Interactive Approachs to Multicriteriun Optimizationn. Management Science, Vol. 21, n.O 12,
agosto 1975, pgs. 1.387-1.398.

En base a esta propiedad es obvia la

manera de obtener una solucin eficiente.
El problema reside, entonces, en determinar el conjunto de pesos Xi mediante los
cuales pueda obtenerse una solucin satisfactoria para el suieto decisor.
del conjunto de soluciones eficientes habr algunas que se deriven de un
conjunto de pesos A, tales que habr algn
A j nulo, es decir, donde se ignora alguna
de las funciones objetivo consideradas, lo
cual puede estar en contradiccin con los
deseos del sujeto decisor, que, por hiptesis, quiere tener en cuenta todos los
objetivos implicados en el problema. Por
este motivo, las condiciones (2) anteriores
suelen sustituirse por:

entro

con lo cual se obliga a ponderar de una

manera efectiva todas y cada una de las
funciones objetivo implicadas, tal vez con
pesos muy peqeios algunas de ellas, pero
nunca nulos. Las soluciones as obtenidas
Se denominan propiamente
subconjunto, por tanto, del compuesto por
las soluciones eficientes.
De esta manera, se impide que se 'Onsigan ganancias en un cierto objetivo que

732

Revista Espaola de Financiacin y Contabilidad

sean arbitrariamente grandes en relacin

con las prdidas que pueda sufrir algn
otro, lo cual podra suceder si este ltimo
careciera de ponderacin alguna.
Una informacin de primera mano puede obtenerse del problema (1) sin ms
que resolverlo n veces, considerando en
cada una de ellas una de las funciones
objetivo como prioritaria, es decir, optimizando el problema con respecto a dicha
funcin en exclusiva, a la vez que evaluamos todas las restantes. Con ello se consigue la siguiente matriz, que podemos denominar matriz de ptimos individualizados:

solucin de un programa lineal multicriterio:

a) que el problema sea infactible, situacin en !L. cual el problema carece

de solucin para todas y cada una de
las funciones objetivo dadas. En
efecto, la factibilidad o la ausencia
de la misma slo depende de que el
conjunto formado por la interseccin de todas las restricciones
sea vaco o no, por lo que este caso
se ha ignorado por todos los tratadistas del tema, realizando previamente el supuesto de que existe
una solucin factible.
b) que existan ptimos alternativos en
alguna etapa del proceso de solucin. Por ejemplo, en el caso de la
matriz de ptimos individualizados
pueden obtenerse varios puntos ptimos para alguna o algunas de las
funciones objetivo individuales, ptimos que pueden diferenciarse respecto a los valores que adopten las
restantes. En este caso, podemos
decir que, ms que una sola matriz,
habr un conjunto de ellas, todas
con la misma diagonal principal, diferencindose en algunos de los restantes elementos. Mtodos, como el
de Belenson y Kapur, basados en la
informacin contenida en dicha matriz, parecen ignorar esta posibilidad (4).
c) que se obtenga para alguna de las
funciones objetivo una solucin ilimitada,en cuyo caso el valor de la
misma podr hacerse tan grande
como se quiera. Ante esta situacin

donde el significado de cada elemento fijes

el del valor que toma la funcin objetivo i
cuando el conjunto del problema se est
optimizando con respecto a la funcin j.
En defnitiva,dicha matriz nos proporcioiia, de foina sinttica y operativa, informacin acerca de las consecuencias que
para los dems objetivos tiene el hecho de
que consideremos prioritario cada uno de
ellos.
La diagonal principal de la matriz anterior constituye lo que se ha denominado
solucin ideal por cuanto representa la
combinacin de los mejores valores que
pueden conseguirse de cada una de las
funciones objetivo, consideradas estas por
separado, de acuerdo con el conjunto de
restricciones conocido. Dada la hiptesis .
realizada acerca de la carencia de un ptimo comn, dicha solucin ideal corres(4) Puesto que el criterio final de adopcin de una
ponde a un punto infactible, siendo, por lo determinada solucin depende de las preferencias del
sujeto decisor, la existencia de ptimos alternativos
tanto inalcanzable.
en alguna etapa del proceso proporciona un conjunto
Desde el punto de vista de la teora de la de
caminos a seguir en bsqueda de una solucin
programacin lineal pueden plantearse tres satisfactoria, de modo que si uno de ellos no resulta
tipos de situaciones durante el proceso de siempre podr acudirse a los restantes.

F. J. Valero Lpez: La programacin lineal multicriterio

puede sugerirse la eliminacin de un

objetivo tan poco operativo; sin embargo, esta sugerencia olvida que
puede interesarnos de todas formas
observar el comportamiento de dicho objetivo frente a la consideracin prioritaria de los restantes.
En todo caso, tampoco es esta una
situacin que haya sido contemplada
por los tratadistas de la PLMC.
El procedimiento que, a nuestro juicio,
parece ser el ms recomendable es el de
ignorar dicho objetivo en el contexto del
problema, siempre que no se desee alcanzar un nivel mnimo del mismo cuya consecucin no queda asegurada de modo
general a la vista de la informacin que se
dispone del problema. Si esto ltimo sucede, debe modificarse su planteamiento, introduciendo dicho nivel mnimo en el conjunto de restricciones, a la vez que se sprime la funcin objetivo causante de la situacin que contemplamos.
No son estos los nicos problemas que
pueden presentarse al resolver un programa lineal multicriterio. En efecto, generalmente los distintos objetivos considerados
son de muy variada naturaleza, diversidad
que se traduce muchas veces en que dichos objetivos se expresan en unidades de
suyo incomparables. Adems, la direccin
real de algn objetivo puede ir hacia una
minimizacin en lugar de la maximizacin
con que hemos formulado nuestro problema. lo cual puede provocar una disparidad
en el signo de los valores que adopta dicha
funcin objetivo en relacin con aquellas
que correspondan realmente a una maximizacin. En ambos casos, parece necesario
proceder a una normalizacin de los distintos objetivos.
En el caso de la matriz de ptimos individualizados, sta puede someterse a un
desplazamiento uniforme del valor de todos sus elementos, si procede corregir la
segunda de las situaciones que acabamos
de apuntar y, seguidamente, a una homogeneizacin de los valores correspondientes a cada uno de los objetivos.

733

Ambas transformaciones pueden realizarse con referencia a la propia matriz

original. En efecto, sumando a cada uno
de los elementos de la matriz un nmero k,
tal que:

k = - mn fij
ij

si existe algn elemento negativo, pueden

convertirse todos ellos en positivos o nulos
caso de que sea conveniente hacerlo. En
segundo lugar, una homogeneizacin de
unidades de medida puede conseguirse con
referencia a los valores mximos que puede adoptar cada una de las funciones objetivo. Es decir, si

fij = fij+ k, Vi, j

donde k valdr cero, si no se ha efectuado
la transformacin anterior entonces, para
cada objetivo i se tiene

con lo cual se obtiene una matriz normalizada de la forma que sigue:

donde todos los elementos de la diagonal

principal son unos, debido a que, por construccin, para cada objetivo i se tiene:

mx
j

f.'. - f.!
1J

11

Revista Espaola de Financiacin y Contabilidad

734

~
,
I

Por ltimo, diremos que todo procedimiento de resolucin de un programa multicriterio que no se limite a proporcionar
un conjunto ms o menos amplio de solucienes eficientes, debe de ir dirigido en
ltimo trmino a la obtencin de una solucin que satisfaga a los deseos del sujeto
decisor, si es que existe alguna. Por ello,
junto a una primera etapa en tales procedimientos, cuya finalidad consiste en conseguir una solcin que, respecto a algn
criterio terico constituya un buen compromiso entre los distintos objetivos, aparecer normalmente otra etapa orientada a
provocar una bsqueda, a partir de la solucin precedente, de alguna otra ms
acorde con los deseos del sujeto decisor,

A.-Agregacin
objetivo.

b.-

de las distintas funciones

Exploracin del conjunto de

soluciones eficientes.

caso de que este no acepte la primera, en

base a determinada informacin que dicho
sujeto debe suministrar.

3. PROCEDIMIENTOS DE
SOLUCION DE LA
PROGRAMACION LINEAL
MULTICRITERIO
Dentro del conjunto de mtodos propuestos por B. Roy para atacar las situaciones multicriterio, y solamente para las
dos primeros, hemos intentado obtener una
clasificacin lo suficientemente amplia e
ilustrativa de los procedimientos existentes
para la PLMC.
Dica clasificacin podra quedar como
sigue:
Veamos seguidamente una breve explicacin de cada uno de los procedimientos
as ordenados:

1) Asignacin directa de ponderaciones

2) Definicin de niveles de referencia
a) Programacin por
b) Desviacin mnima.
3) Ordenacin lexicogrfica.
1) Generacin total o de puntos extremos
no dominados
2) Generacin de un conjunto restringido.
3) Exploracin inteligente
a) Relaciones marginales de sustitucin
b) Distancia a la solucin ideal
c) Juego de suma nula.
4) Medicin del contraste.

A.l) La asignacin directa de ponderaciones nos permite obtener sin ms una s ~ lucin eficiente y, en su caso, propiamente
eficiente, siempre que los pesos utilizados
cumplan las propiedades comentadas, lo

F. J. Valero Lopez: La programacin lineal multicriterio

cual puede conseguirse a travs de una
simple normalizacin de los mismos. Zeleny nos previene contra dicha asignacin
directa, por cuanto (5):
a) la habilidad humana para realizar una
evaluacin global del problema que permita proporcionar unos pesos fiables no es
muy grande, a la vez que se encuentra
sometida a unos claros riesgos de arbitrariedad e inestabilidad.
b) la atribucin de los citados pesos
puede verse dificultada por la falta de
comprensin total del problema por parte
del sujeto decisor, que a menudo no tiene
del todo claras sus ideas sobre el mismo.
c) el nmero total de objetivos a considerar puede ser muy grande, limitando an
ms la habilidad humana de ponderar todos ellos.
d) aunque se haya estimado correctamente el conjunto de pesos a aplicar, el
problema puede tener varias soluciones
alternativas, sobre las cuales puede ser
necesario realizar alguna discriminacin
que dichos pesos son incapaces de reflejar.
a) el conjunto de pesos puede alterarse
tan pronto como vara el conjunto de posibles soluciones de que se dispone, dado
que dichos pesos suelen obtenerse en base
a un anlisis del problema ms que como
unos meros datos de entrada al mismo.
A.2) Si definimos unos niveles de satisfaccin o de aceptabilidad, mi, i = 1, -., n,
para cada uno de los objetivos que consideramos, podemos, entonces, seguir dos
caminos:

735

de satisfaccin o de aceptacin para cada

uno de los objetivos, podemos sustituirlos
por unos cienos intervalos, a los cuales
intentamos acercarnos lo ms posible, tanto por un extremo como por el otro. Este
ltimo d2 lugar a la denominada programacin por objetivos - intervalos, objetivo de una reciente publicacin de Charnes
y Cooper (6).
2) minimizar la desviacin que pueda
producirse a cualquiera de los objetivos
considerados, es decir, se intentar hacer:

lo cual slo tendr sentido si -utilizando

para ello los apropiados cambios de escala,
en caso necesario- todas las citadas desviaciones tienen idntica importancia (7).
A.3) La ordenacin lexicogrfica de las
funciones objetivo consiste en aplicar una
escala ordinal de prioridades a las mismas
de modo que siempre se optimice con
respecto a aquella funcin que presida
dicha escala, utilizando slo las de orden
inferior para resolver los empates, es decir, los ptimos alternativos, que proceden
de las funciones antecedentes.
B.1) L a generacin de todo el conjunto
de soluciones eficientes tiene dos fases:
a) determinar los puntos extremos no
dominados y,
b) a partir de dichos puntos, generar el
resto de los elerrientos del conjunto.
Para un conocimiento profundo de ambas fases remitimos al lector a la obra de
M. Zeleny y de P.L. Yu (8), dado que no

1) aplicar la programacin por objetivos,

minimizando la suma ponderada de las
desviaciones, tanto positivas como negativas, que se produzcan con respecto a cada
uno de los niveles fijados. Ms todava, en
vez de definir unos determinados niveles

( 6 ) CHARNES, A.; COOPER, W. W.: ((Goal Programming and Multiple Objetive Optimizations. Part
I. European Jornal of Operational Reseach, 1, enero
1977, pgs. 39-54.
(7) La funcin objetivo anterior es fcilmente
convertible a la forma standard de la programacin
lineal. Vid. B. ROY. Op. cit., pg. 242.

(5) ZELENY, M.: .Linear Multiobjetive Programminge. Lecture Notes in Economics and Mathema
tical Systems, n.O 95, Springer-Verlang, 1974, pginas
169-171.

(8) Junto a la obra ya citada de M. ZELENY, y,

como ampliacin de la misma, puede verse:
YU, P. L., ZELENY, M.: The Techniques of
Linear Multiobjetive Programming)). R.A.I.R.O., V-3,
noviembre 1974, pgs. 5 1-7 1.

Revista Espaola de Financiacin y Contabilidad

es nuestra intencin entrar de lleno en las

interioridades de las mismas.
Desde el punto de vista prctico, dada la
complejidad de los mtodos empleados, as
como la enorme cantidad de informacin
que generan, gran parte de ella innecesaria, ya que, en definitiva, slo se va a
escoger una de todas las posibles soluciones eficientes, creemos que los procedimientos que entran en este apartado tienen
un mero inters terico, siendo preferible
acudir a alguno de los mtodos de exploracin inteligente que seguidamente comentaremos.
B.2) Debido a la magnitud del conjunto
de soluciones eficientes, en buena parte de
los casos parece conveniente limitarnos a
una porcin restringida del mismo. Para
ello, pueden pchazarse de entrada aquellas soluciones que no satisfagan ciertos niveles mnimos en todos o en algunos de los
objetivos, o bien pueden considerarse solamente aquellas soluciones con un determinado grado de acercamiento, medido con
algn criterio, a un marco de referencia
fijado, como puede ser la propia solucin
ideal del problema.
Otro procedimiento a seguir puede ser la
imposicin de restricciones sobre los pesos, Ai, a aplicar a cada uno de los objetivos (9). Con ello pueden introducirse las
estimaciones que haya podido realizar el
sujeto decisor acerca de la importancia
relativa a cada uno de los objetivos para
sus deseos.
8.3) Por exploracin inteligente entendemos aqu una bsqueda dentro del conjunto de soluciones eficientes, sin necesidad
de una previa determinacin del mismo,
utilizando dos fuentes de informacin:

b) la proporcionada por el sujeto decisor

con la finalidad de hacer valer sus preferencias en la exploracin.
Una de las propuestas con mayor inters
terico es la debida a Geoffrion (10). Su
funcionamiento, que es tambin su debilidad, reside en el supuesto de que para
cualquier punto factible, el sujeto decisor
puede proporcionar una estimacin de las
n-1 relaciones marginales de sustitucin
entre los n objetivos. A partir de estas
relaciones puede construirse una direccin
de movimiento en bsqueda de una mayor
utilidad para el sujeto decisor, Una segunda informacin que debe proporcionarse es
la longitud de dicho movimiento (es decir,
el tamao de c ~ d apaso). Lz dil,cu!tad
radica, entonces, en que el sujeto decisor
no suele estar en condiciones de proporcionar la informacin que se requiere, adems de que la lgica y los conceptos
empleados no son los ms apropiados para
personas que no suelen tener en mente las
ideas bsicas de la optimizacin matemtica en general.
En segundo lugar, se encuentran todos
aquellos mtodos basados en el mximo
acercamiento a la solucin ideal, segn
uno u otro criterio de distancia. Ms an,
al imponer como restriccin un determinado grado de acercamiento a dicha solucin, puede muy bien modificarse la regin
factible, y, a consecuencia de ello, tambin
la solucin ideal, desplazndola, entonces, hacia el nuevo conjunto de soluciones
posibles. En todos estos mtodos, las distancias correspondientes a cada objetivo
pueden estar ponderadas, reflejando as la
distinta importancia de cada uno de ellos.
Uno de los algortmos ms conocidos en
esta direccin es el mtodo STEM, basado
A) una intrnseca al propio problema, en una concepcin mnima de la distancia
como por ejemplo, la solucin ideal, la
matriz de ptimos individualizados, etc.

(9) Este es el camino seguido en: STEVER, EE.:

~MultipleObjetive Linear Programming With Interval
Criterion Weightsn. Manegement Science, Vol. 23,
n.O 3, noviembre 1976, pgs. 305-316.

(10) GEOFFRION, A. M.: Vector Maximal Decomposition Programming Working Paper, Universidad de California, Los Angeles, septiembre 1970.
Sobre las dificultades que presenta la aplicacin
prctica de este mtodo, puede verse la obracitada en
la nota 3.

F. J. Valero Lpez: La programacin lineal multicriterio

a la solucin ideal. Es decir, si para cada
solucin eficiente, xj, se tiene una medida
de distancia respecto a cada uno de los
objetivos, di(w), i = 1, ..-n ( l l ) , se intentar descubrir aquella que verifique:

mn mx di(xJ)
j

si esta solucin no es satisfactoria para el

sujeto decisor, este debe indicar cual de
los objetivos considerados puede empeorarse, y hasta qu medida considera aceptabie hacerlo, repitindose de nuevo el
proceso previa modificacin de las ponderaciones utilizadas en el clculo de las distancias.
Por ltimo, el mtodo propuesto por
Belenson y Kapur (12) considera la matriz
de ptimos individualizados como la correspondiente a un juego bipersonal de
suma nula, siendo los jugadores las distintas funciones objetivo, por un lado, y
los puntos ptimos que corresponden a
cada una de ellas, por otro. La resolucin
de dicho juego nos permite obtener unos
pesos que, debidamente normalizados para
tener en cuenta la heterogeneidad de los
distintos objetivos, nos sirven para determinar una solucin de compromiso. Al
igual que antes, esta solucin puede no ser
del agrado del sujeto decisor, en cuyo caso
se sustituye el punto ptimo correspondiente al objetivo menos deseado por dicha

737

solucin de compromiso, repitindose el

proceso a partir de la nueva matriz de
pagos.
B.4) Es evidente que, junto a la ponderacin a priori de un determinado criterio u objetivo, tambin puede hablarse
de una importancia a posteriori del mismo, basada en el poder discriminatorio que
posea. En efecto, un objetivo considerado
inicialmente como fundamental puede tener poca variacin en sus valores, dentro
del contexto del problema, mientras que
un objetivo conceptuado como secundario
puede presentar un amplio campo de variacin, llegando incluso a situaciones poco
deseables para el sujeto decisor.
Para tener en cuenta esto ltimo puede
acudirse al concepto de entropa, que, de
alguna manera, mide el poder discriminador de un conjunto de seales informativas
en este caso, referidas, por ejemplo, a los
valores que toman las distintas funciones
objetivo a travs de un recorrido por algn
conjunto de solciones -eficientes o no-.
E s decir, podemos construir una tabla
como la que sigue (13).

(11) Vid. ZELENY, M.: Op. cit., pgs. 171-176,

donde pueden verse varios conceptos de distancia a
la solucin ideal.
El mtodo STEM se encuentra descrito con mayor
detalle en:
BENAYOUN, R.: et al: Linear Programming
With Muiti~ie Obietive Functions: STEP-Method
(STEM))). Mathematical Programming, vol. 1, n.O 3,
diciembre 1971, pgs. 366-375.

(12) BELENSON, S. M.; KAPUR, K. C.: An

Algorithm for Solving Multicriterion Linear Programming Problems With Examples)). Operational Research Quaryerly, vol. 24, n.O 1, pgs. 65-77.
Para una aplicacin prctica de este algoritmo
puede verse el ejemplo que acompaa a este trabajo.

(13) Vid. ZELENY, M.: Op. cit., pgs. 176-180,

para una aplicacin de esta metodologa, aunque
referida a las distnacias a la solucin ideal ms que a
los valores que toman los distintos objetivos, como
nosotros proponemos.
La dificultad de este mtodo reside en la necesidad
de determinar previamente las soluciones -eficientes
o no- que se,van a utilizar para medir el contraste de
los objetivos, cuyo resultado puede depender en
grado sumo del conjunto particular que se considere.

Revista Espaola de Financiacin y Contabilidad

738

siendo v i j , i = 1, - n, j - m, el valor
que adopta la funcin objetivo i en la solucin j.
Para cada uno de los objetivos i podemos definir unas probabilidades Pij, j =
= 1, --- m, como sigue:

pij =

Vij

, i = 1, ..., 11

a las cuales se les puede aplicar el concepto de antropa como medida del contraste
que representan dichas probabilidades.
Por lo tanto,

H.= - .

PijLn Pij

J=1

dicha entropa es mxima cuando el contraste es nulo, es decir, cuando

p 1.1. . - -1,

,V j

Hi = L n m

4. UN EJEMPLO DE APLICACION (14)

A) Enunciado
Una empresa fabricante y comercializadora de dos productos desea obtener el
mejor beneficio de los mismos, a la vez
que conseguir la mayor penetracin comercial en el mercado.
El beneficio neto que puede conseguirse
de la venta de cada uno de los productos
es de 10 para el primero y de 5 para el
segundo. La eficacia comercial -en lo que
respecta a la penetracin de la empresa en
el mercado- es el doble para el segundo
producto en comparacin con el primero.
L a direccin de la enpieca no ha hecho
explcitas sus preferencias en cuanto a lo
que considera una combinacin satisfactoria de ambos objetivos, y slo desea alguna informacin acerca de cul puede ser'
el mejor compromiso entre ellos.
Por otro lado, se sabe que:
a) L a capacidad de produccin nos impide obtener ms de 6.000 unidades
totales, contando ambos productos.
b) La situacin actual del mercado no
permite vender ms de 4.000 unidades del segundo producto.
c) Las horas de trabajo disponibles para
la fabricacin de ambos productos
ascienden a 10.000, requirindose dos
horas para el segundo y hora y
cuarto para el primero.

En base a esto, podemos asignar a cada

uno de los objetivos pesos que sean inversamente proporcionales a la entropa que
(14) Una aplicacin al anlisis de inversiones puehemos calculado para cada uno de ellos,
verse en:
teniendo en cuenta, si procede, pondera- deCAPLIN,
D.; KORNBLUTH, J. S. H.: ((Multiobciones que recojan la distinta importancia jective Investment Planning Under Uncertaintyn.
de los objetivos para el sujeto decisor. Omega, vol. 3, n.O 4, 1975, pgs. 423-441.
El ejemplo que ahora proponemos ha sido empleaCon el fin de entender mejor todo lo
expuesto hasta ahora que dedicaremos el do como material de trabajo para la asignatura <<Anlisis y Administracin de Sistemas Empresariales, en
epgrafe siguiente a exponer un supuesto la Facultad de C.C.E.E. y E.E. (U.A.M.), bajo la
que sirva como fuente aclaratoria de lo direccin del Profesor Eduardo Bueno Campos, Catedrtico de Economa de la Empresa.
pretendido en el trabajo.

F. J. Valero Lpez: La programacin lineal multicriterio

B) Solucin
A la vista del enunciado, el planteamiento del programa multicriterio implicado
quedara como sigue:

sujeto a:

x,

1,25 x,

x2 < 6.000
x2 < 4.000
2x2 10.000

Xl,

x2 2

739

Entonces, siguiendo el algoritmo propuesto por Belenson y Kapur, procedemos

Cde la siguiente manera:
a) Resolveremos un programa lineal para cada una de las funciones objetivo consideradas, a la vez que evaluamos las
restantes.
Debido a la dimensin de nuestro problema, acudimos al procedimiento grfico,
obteniendo estos resultados:

Revista Espaola de Financiacin y Contabilidad

740

Es decir, adems del origen, tenemos los

siguientes vrtices en la regin factible:

mx. fila

6.000

El ptimo del primer objetivo se eacuentra en el punto D, donde:

En cuanto al segndo objetivo, su ptimo

se alcanza en el vrtice B siendo
f; = 9.600

fl = 36.000

b) Con los resultados anteriores formamos una matriz de pagos de un iuego de

suma nula, siendo los jugadoreslas distintas funciones objetivo, por un lado, y
los puntos ptimos que corresponden a
cada una de ellas, por otro. Es decir:

36.000
9.600

9.600

c) Cada una de las filas tiene, al menos,

un valor estrictamente positivo, por lo que
la nica normalizacin que procede es la
de homogeneizar las distintas unidades de
medida de cada uno de los objetivos, para
la ciia! dividimos cada elemento de una fila
por el va;or mximo de la misma.
Efectuando esto nos queda:

f, 1

0,6

5i8
1
d) El juego anterior se resuelve mediante el siguiente programa lineal:
mx v

PI +

p2
= 1
P1,PZ
>o
La solucin grfica del mismo es:

F. J. Valero Lpez: La programacin lineal multicriterio

e) Las anteriores probabilidades podran

ser los pesos atribuibles a cada funcin
objetivo si no hubiramos normalizado las
entradas de la matriz de pagos. Con objeto
de hacer referir dichos pesos a las funciones objetivo originales, d e k m o s dividir
dichas probabilidades por los mximos correspondientes. Es decir,

741

mando como punto de referencia la solucin ideal recogida en la matriz de ptimos individualizados de nuestro problema.
Es decir, trataremos de hacer

mn W; Y;

+ W;

Y;

sujeto a:

adems de las restricciones originales y las

condiciones de no negativiaad de
f) Esto., ltimos pesos, para ser definitivs deben sumar'l, por- ello hacemos:

h: =

15131
60.000
15/31 - 16/31
4

0,13

g) Con estos pesos formamos la funcin

objetivo compuesta:

cuyo ptimo se encuentra en el punto C,

siendo:
f " = 13.753.3
f , = 43.333,3
f, = 9.333,3

Otra va de solucin podra seguirse mediante la programacin por objetivos, to-

Y; e YS (15).
W i y W; deberan escogerse de acuerdo
con la importancia y magnitud de cada uno
de los objetivos. Puesto que de la primera
no disponemos de informacin alguna, podemos hacer

con objeto de tener en cuenta la diferencia

dimensionalidad de cada objetivo. Si multiplicamos ambos pesos por cualquier nmero positivo, la solucin del problema segui-

(15) Obsrvese que ste podra ser un mtodo,

simple y sencillo por lo dems, de exploracin inteligente del conjunto desoluciones eficientes, buscando aquella que sea ms cercana a la solucin ideal)),
siendo la distancia una suma ponderada de ks desviaciones a la misma.
Por definicin de la solucin ideal, tales desviaciones lo sern siempre por debajo, de ah que no
aparezcan en nuestra formulacin las variables supervit tpicas de la programacin por objetivos. Debido
a este hecho, siempre podremos despejar las variables dficit de sus igualdades respectivas y sustiruirlas en la funcin objetivo, desapareciendo, entonces,
toda notacin especfica de la programacin por objetivos.

Revista Espaola de Financiacin y Contabilidad

742

r siendo la misma, por 10 que, para mayor

comodidad, hacemos

Wy

60.000
60.000

Utilizando estos pesos la solucin que se

obtiene se encuentra tambin en el punto
C, donde:
Y; = 16.666,6