03 MCO Goal Programming

Optimización Multicriterio
Programación por Metas

Goal Programming (GP)
Ultima modificación: Enero 20, 2008
Andrés L. Medaglia, Ph.D.

Departamento de Ingeniería Industrial
Universidad de los Andes
http://wwwprof.uniandes.edu.co/~amedagli
amedagli@uniandes.edu.co
g @
Fuentes: Steuer (1989)
Andrés L. Medaglia
Centro de Optimización y Probabilidad Aplicada
http://copa.uniandes.edu.co/
Introducción
Charnes y Cooper (1955, 1961)

La idea fundamental de programación por metas
(
(goall programming)
i ) es lla d
de obtener
bt un nivel
i ld de
aspiración para cada criterio.
G
GP es de ututilidad
dad cua
cuando
do se co
conocen
oce metas
etas
explícitas o umbrales para los criterios.
Usualmente una solución que satisface todas las
metas no es factible.
factible
Se intenta encontrar una solución factible que
satisfaga las metas de la mejor forma posible.
Andrés L. Medaglia
Departamento de Ingeniería Industrial 2
Tipos de metas
Mayor o igual (≥) goal{zi = ci x}(zi ≥ ti )

U
ti zi
Andrés L. Medaglia
Tipos de metas
Menor o igual (≥) goal{zi = ci x}(zi ≤ ti )

U
ti zi
Andrés L. Medaglia
Tipos de metas
Igualdad (=) goal{zi = ci x}(zi = ti )

U
ti zi
Andrés L. Medaglia
Tipos de metas
Rango [ ])
goal{zi = c i x}(zi = til , tiu
U
til tiu zi
Andrés L. Medaglia
Ejemplo 1
goal{z1 = c1x}(z1 ≥ t1 )
goal{z2 = c 2x} (z2 ∈ t2l , t2u ) [ ]
sa
s.a., x2
x∈S t1
x2 conjunto
utópico
t2u
= [12 ,1]
2 S
c 1
x t2l
x1
Andrés L. Medaglia
c1 = [1, 12 ] 7
Ejemplo 1
conjunto utópico
z2
x2 t1
x 2 t2u z 2 = [2 12 ,5]
t2l
z1 = [4 12 ,3]
t2u Z
c = [ ,1]
2 1
S
2
1
x t2l
x1 z1
c1 = [1, 12 ] t1
Andrés L. Medaglia
Objetivo de GP
El objetivo de GP es encontrar una

solución factible en S cuyo vector de
criterios “mejor”
j se aproxime
p al conjunto
j
utópico (en el espacio de criterios).
Andrés L. Medaglia
Ejemplo 2
goal{z1 = c x}(z1 = t1 )
1
x2
goal{z2 = c 2x}(z2 = t2 ) t1
goal{z3 = c 3x}(z3 = t3 )
s.a.,
x∈S c1
c2 S
3
t2
c
Conjunto utópico x1
¿en espacio de las decisiones?
t3
¿en espacio de los criterios?
Andrés L. Medaglia
Modelo Arquimediano de GP
El objetivo es encontrar soluciones en S cuyos

vectores de criterio estén lo más cercano posible,
con base en unana métrica ponderada L1, al conj
conjunto
nto
utópico en el espacio de criterios.
Andrés L. Medaglia
Ejemplo 3
goal{z1 = c1x}(z1 ≥ t1 ) c1x + d1− ≥ t1

goal{z2 = c 2x}(z2 = t2 ) c 2x + d 2− − d 2+ = t2
goal{z3 = c 3x}(z3 ∈ t3l , t3u [ ]) c 3x + d 3− ≥ t3l
s.a., c 3x − d 3+ ≤ t3u
x∈S
Andrés L. Medaglia
Ejemplo 3 (cont.)
min w1− ⋅ d1− + w2− ⋅ d 2− + w2+ ⋅ d 2+ + w3− ⋅ d 3− + w3+ ⋅ d 3+

s.a.,
c1x + d1− ≥ t1
c 2x + d 2− − d 2+ = t2
c 3x + d 3− ≥ t3l
c 3x − d 3+ ≤ t3u
d1− , d 2− , d 2+ , d 3− , d 3+ ≥ 0
x∈S
Andrés L. Medaglia
Modelo Arquimediano de GP
Los w´s son pesos positivos en la función objetivo.

Cada meta genera una restricción, excepto las metas de
rangos que generan dos
dos.
Sólo las desviaciones indeseables deben ser incorporadas en
la formulación.
Las
L restricciones
ti i d
de meta
t son bl
blandas
d ((soft)
ft) y “aumentan”
“ t ” ell
espacio original (mayor dimensión).
La función objetivo Arquimediana es una suma ponderada de
las desviaciones indeseables.
El programa lineal resultante puede ser resuelto con
métodos/software convencional de PL.
Andrés L. Medaglia
Diferentes grados en las
penalizaciones
[ ]
zi ∈ til , tiu
wi− wi+
til zi
tiu
Andrés L. Medaglia
Diferentes grados en las
penalizaciones
wi−,3 [ ]
zi ∈ til , tiu
wi+, 2
wi−, 2
wi−,1 wi+,1
til tiu zi
¿Cómo incorporar estos grados en las penalizaciones en el modelo?
Andrés L. Medaglia
Modelo Lexicográfico de GP
Las metas se organizan de acuerdo a prioridadesprioridades.
Las metas de la más alta prioridad son consideradas
infinitamente más importantes
p q
que las metas de
segunda prioridad; las de segunda prioridad son
infinitamente más importantes que las metas de
tercera prioridad; ...
goal{z1 = c1x} P1 (z1 ≤ t1 )
goal{z2 = c 2 x} P2 (z2 ≥ t2 ) Pj >>> Pj +1
goal{z3 = c 3x} P3 (z3 = t3 )
s.a.,,
x∈S
Andrés L. Medaglia
Ejemplo 4
goal{z1 = c1x} P1 (z1 ≤ t1 ) c1x − d1+ ≤ t1

goal{z2 = c 2 x} P2 (z2 ≥ t2 ) c 2x + d 2− ≥ t2
goal{z3 = c 3x} P3 (z3 = t3 ) c 3x + d 3− − d 3+ = t3
s.a.,
x∈S
Andrés L. Medaglia
Ejemplo 4 (cont.)
min{P1 (d1+ ) + P2 (d 2− ) + P3 (d 3− + d 3+ )}
ó
lex min{d1+ , d 2− , d 3− + d 3+ }
s.a.,
c1x − d1+ ≤ t1
c 2x + d 2− ≥ t2
c 3x + d 3− − d 3+ = t3
d1+ , d 2− , d 3− , d 3+ ≥ 0
x∈S
Andrés L. Medaglia
Ejemplo 4 (cont.)
Esquema
Esq ema de sol
solución:
ción
Primera etapa:
min d1+
s.a.,
x , (d )
c1x − d1+ ≤ t1 * + *
1
+
d ≥01
x∈S
no ¿óptimos si
alternos?
2a
FIN etapa
Andrés L. Medaglia
Ejemplo 4 (cont.)
Segunda
S d etapa:
t
min d 2−
s.a.,
c x ≤ t1 + (d
1 + *
)
x , (d )
− *
1 *
c 2x + d 2− ≥ t2 2
d 2− ≥ 0
x∈S
no ¿óptimos si
alternos?
3a
FIN etapa
Andrés L. Medaglia
Ejemplo 4 (cont.)
Tercera
T etapa:
t
min d 3− + d 3+
s.a.,
c x ≤ t1 + (d1 )
1 + *
c 2x ≥ t2 − (d 2− ) x , (d ) , (d )
− * + *
* *
3 3
c 3x + d 3− − d 3+ = t3
d 3− , d 3+ ≥ 0
x∈S FIN
Andrés L. Medaglia
Observaciones al modelo lexicográfico
Las etapas no se pueden resolver simultaneamente
simultaneamente,
sino secuencialmente.
Proceso dinámico de solución ((varios PLs en
cadena)
Las metas de baja prioridad pueden no llegar a influir
el proceso de solución.
No existe compromiso entre los criterios.
Alternativa: relajaciones
Andrés L. Medaglia
Ejemplo 5
t2
goal{z1 = c x} P1 (z1 ≥ t1 )
1
x2
goal{z2 = c 2 x} P2 (z2 ≥ t2 ) t1
s.a.,
x∈S
c1 S
x1
c2
Andrés L. Medaglia
Ejemplo 5 (cont.)
Primera
Pi etapa:
t
x2 t2
min d1−
(x )
1 *
t1
s.a.,
c1x + d1− ≥ t1
d1− ≥ 0 c1 S
x∈S
x1
c2
¿Cómo buscar un mejor compromiso entre los criterios?
Andrés L. Medaglia
Ejemplo 5 (cont.)
Segunda
S d etapa
t ((con relajación):
l j ió )
x2 t2
min d −
2 (x )
1 *
(x )
2 *
t1
s.a., Δ1
c x ≥ t1 − (d1 ) − Δ1
1 − *
c 2x + d 2− ≥ t2 c1 S
d 2− ≥ 0
x∈S
x1
c2
Andrés L. Medaglia
Simplex lexicográfico
goal{z1 = x2 } P1 (z1 ≥ 5)
goal{z2 = − x1 − x2 } P2 (z2 ≥ 4 )
goal{z3 = x3 } P3 (z3 ≥ 3)
sa
s.a.,
x2 ≤ 2
x3 ≤ 3
x1 , x2 , x3 ≥ 0
Andrés L. Medaglia
Simplex lexicográfico (cont.)
{
lex min d1− , d 2− , d 3− }
sa
s.a.,
x2 + d1− ≥ 5
− x1 − x2 + d 2− ≥ 4
x3 + d 3− ≥ 3
x2 ≤ 2
x3 ≤ 3
x1 , x2 , x3 , d1− , d 2− , d 3− ≥ 0
Andrés L. Medaglia
s.a.,
x , d, s ≥ 0
Andrés L. Medaglia
Andrés L. Medaglia
Andrés L. Medaglia
Andrés L. Medaglia
Andrés L. Medaglia
Andrés L. Medaglia
Andrés L. Medaglia
Andrés L. Medaglia
Minimización de la máxima desviación
goal{z1 = c1x} P1 (z1 = t1 )

goal{z2 = c 2 x} P2 (z2 ≥ t2 )
goal{z3 = c 3x} P2 (z3 ≥ t3 ) P2 mín. máx. desviación
goal{z4 = c 4x} P2 (z4 ≥ t4 )
s.a.,
x∈S
Andrés L. Medaglia
goal{z1 = c1x} P1 (z1 = t1 ) c1x − d1+ + d1− = t1

goal{z2 = c 2 x} P2 (z2 ≥ t2 ) c 2x + d 2− ≥ t2
goal{z3 = c 3x} P2 (z3 ≥ t3 ) c 3x + d 3− ≥ t3
goal{z4 = c 4x} P2 (z4 ≥ t4 ) c 4x + d 4− ≥ t4
0 d 4− d 2− d 3− d
d 2− ≤ d
d 3− ≤ d min d
d 4− ≤ d
Andrés L. Medaglia
lex min{d1− + d1+ , d }
s.a.,1
c x − d1+ + d1− = t1
c 2x + d 2− ≥ t2
c 3x + d 3− ≥ t3
c 4x + d 4− ≥ t4
d 2− ≤ d
d 3− ≤ d
d 4− ≤ d
d1+ , d1− , d 2− , d 3− , d 4− , d ≥ 0
x∈S
Andrés L. Medaglia
Referencias
Charnes, A
Charnes A., W
W. W
W. Cooper and Ferguson
Ferguson, R
R. (1955)
(1955). Optimal estimation of executive
compensation by linear programming. Management Science 1, pp. 138–151.
Charnes, A. and Cooper, W. W. (1961). Management models and industrial applications
of linear programming. New York: Wiley.
St
Steuer, R
R. (1989)
(1989). M
Multiple
lti l criteria
it i optimization:
ti i ti th
theory, computation
t ti and d application.
li ti
Malabar (FL, USA): Krieger.
Andrés L. Medaglia

03 MCO Goal Programming

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

03 MCO Goal Programming

Загружено:

Авторское право:

Доступные форматы

Optimización Multicriterio

Programación por Metas

Ultima modificación: Enero 20, 2008

Andrés L. Medaglia, Ph.D.

Fuentes: Steuer (1989)

Charnes y Cooper (1955, 1961)

Mayor o igual (≥) goal{zi = ci x}(zi ≥ ti )

Menor o igual (≥) goal{zi = ci x}(zi ≤ ti )

Igualdad (=) goal{zi = ci x}(zi = ti )

El objetivo de GP es encontrar una

El objetivo es encontrar soluciones en S cuyos

goal{z1 = c1x}(z1 ≥ t1 ) c1x + d1− ≥ t1

min w1− ⋅ d1− + w2− ⋅ d 2− + w2+ ⋅ d 2+ + w3− ⋅ d 3− + w3+ ⋅ d 3+

Los w´s son pesos positivos en la función objetivo.

¿Cómo incorporar estos grados en las penalizaciones en el modelo?

goal{z1 = c1x} P1 (z1 ≤ t1 ) c1x − d1+ ≤ t1

goal{z1 = c1x} P1 (z1 = t1 )

goal{z1 = c1x} P1 (z1 = t1 ) c1x − d1+ + d1− = t1

Вам также может понравиться

03 MCO Goal Programming

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

03 MCO Goal Programming

Загружено:

Авторское право:

Доступные форматы

Optimización Multicriterio

Programación por Metas

Ultima modificación: Enero 20, 2008

Andrés L. Medaglia, Ph.D.

Fuentes: Steuer (1989)

 Charnes y Cooper (1955, 1961)

 Mayor o igual (≥) goal{zi = ci x}(zi ≥ ti )

 Menor o igual (≥) goal{zi = ci x}(zi ≤ ti )

 Igualdad (=) goal{zi = ci x}(zi = ti )

El objetivo de GP es encontrar una

 El objetivo es encontrar soluciones en S cuyos

goal{z1 = c1x}(z1 ≥ t1 ) c1x + d1− ≥ t1

min w1− ⋅ d1− + w2− ⋅ d 2− + w2+ ⋅ d 2+ + w3− ⋅ d 3− + w3+ ⋅ d 3+

 Los w´s son pesos positivos en la función objetivo.

 ¿Cómo incorporar estos grados en las penalizaciones en el modelo?

goal{z1 = c1x} P1 (z1 ≤ t1 ) c1x − d1+ ≤ t1

goal{z1 = c1x} P1 (z1 = t1 )

goal{z1 = c1x} P1 (z1 = t1 ) c1x − d1+ + d1− = t1

Вам также может понравиться

Charnes y Cooper (1955, 1961)

Mayor o igual (≥) goal{zi = ci x}(zi ≥ ti )

Menor o igual (≥) goal{zi = ci x}(zi ≤ ti )

Igualdad (=) goal{zi = ci x}(zi = ti )

El objetivo es encontrar soluciones en S cuyos

Los w´s son pesos positivos en la función objetivo.

¿Cómo incorporar estos grados en las penalizaciones en el modelo?