INTRODUCCIÓN

Los modelos de programación lineal se basan en la optimización de

una sola función objetivo. Existen casos en donde lo más adecuado es
tener varios objetivos (posiblemente opuestos), es decir varias
funciones objetivo. En tales casos será imposible encontrar una
solución única que optimice las funciones objetivas. En lugar de ello
se podrá buscar una solución intermedia, o de compromiso basada en
la importancia relativa de cada objetivo.

La programación lineal multiobjetivos es usada para resolver modelos

con varias funciones objetivo.
 PROGRAMACIÓN LINEAL MULTIOBJETIVOS

ANTECEDENTES HISTORICOS

En 1976, James P. Ignizio publica otro libro dedicado también a la

programación multiobjetivo, presentando claros avances con respecto
al libro de Lee. Desde un punto de vista teórico, la principal novedad
del libro de Ignizio consiste en demostrar rigurosamente que las
técnicas clásicas de programación matemática (lineal, Estado del arte
9 cuadrática, etc.) son casos particulares de la programación con
múltiples objetivos, cuando hasta entonces en la mayor parte de la
bibliografía se consideraba exactamente lo contrario; es decir, se
presentaba a la programación multiobjetivo como una
particularización de la programación lineal. Todo, de gran importancia,
se desarrolló a detalle en investigaciones posteriores; así también se
incluye una serie de algoritmos y programas de computadora que
permiten abordar problemas de programación con varios objetivos en
contextos tanto lineales como no lineales, así como trabajar con
variables enteras, analizar los duales, efectuar análisis paramétricos,
etc. Este libro proporciona los instrumentos necesarios para poder
utilizar al máximo las técnicas multiobjetivo.

Herner y Snapper en 1978 estudiaron problemas multiobjetivo en

sistemas de información. En 1980 Hucker et al. hicieron la extensión a
los problemas de asignación, Kendall y Lee los problemas de
inventarios, en 1981 Re Velle et al.; Bitran y Lawrence en 1980
estudiaron los problemas de localización. Ashton, Atkins y Spronk en
1981 analizaron problemas microeconómicos. Zionts y Deshpande en
1981 estudiaron problemas socioeconómicos. Posteriormente en 1982
Zeleny publicó un libro sobre la historia de la toma de decisiones
multicriterio; en ese mismo año Evans et al. analizó los problemas de
capacidad de expansión y Talbot los problemas administración de
negocios.

En 1990 comenzó a surgir un gran interés por los problemas enteros

multiobjetivo con estructuras combinatorias particulares; ya que estos
pueden ser formulados como problemas con variables enteras y su
estructura combinatoria (teoría de gráficas, árboles, rutas, etc.), la
cual puede ser explotada para diseñar técnicas más eficientes para su
solución. Existen métodos de optimización multiobjetivo los cuales
han sido mostrados por Ballestero y Romero en 1998.

En la actualidad algunos resultados obtenidos en los problemas con

multiobjetivo se han generalizado al caso de aplicaciones definidas
entre espacios de dimensión no finita. Así también en la actualidad se
ha estado estudiando los problemas de programación multiobjetivo
difusa, de los cuales existe una gran variedad de publicaciones

MARCO TEÓRICO

PROGRAMACIÓN LINEAL: Se conoce como programación lineal a la

técnica de la matemática que permite la optimización de una función
objetivo a través de la aplicación de diversas restricciones a sus
variables.

FUNCIÓN OBJETIVO: La función objetivo es la ecuación que será

optimizada dadas las limitaciones o restricciones determinadas y
con variables que necesitan ser minimizadas o maximizadas usando
técnicas de programación lineal o no lineal.

Una función objetivo puede ser el resultado de un intento de

expresar un objetivo de negocio en términos matemáticos para su
uso en el análisis de toma de decisiones, operaciones, estudios de
investigación o de optimización.

OBJETIVOS MULTIPLES: Dos o más metas que se deben lograr de

manera simultánea.

PROGRMACIÓN DE METAS: Planteamiento utilizado para resolver

un problema de optimización de objetivos múltiples como un
programa lineal que equilibra los pros y los contras de los objetivos
en conflicto.

METAS: Valor objetivo numérico especifico establecido para un fin

en un programa de metas.

PENALIZACIÓN: Valor relativo que se usa para representar

insatisfacción con cada unidad que un objetivo este por debajo de su
meta, si el objetivo es maximizar, y por encima de la mete si el
objetivo es minimizar.

RESTRICCIÓN: En el ámbito de las matemáticas, se

denomina restricción de una función a otra que se define en un
subconjunto del dominio de la inicial (el dominio es, por su parte, un
conjunto que reúne los valores para los que se define una función), y
que no acarrea un cambio con respecto a los valores que asigna a
cada elemento.

DESARROLLO DEL TEMA

PROGRAMACIÓN LINEAL MULTIOBJETIVOS

El área de problemas con múltiples objetivos o problemas para la

Toma de decisiones multicriterio se suele dividir en dos grandes
campos, según las características de los problemas que afronten. El
primero es llamado Toma de decisiones multiatributo, el cual trata con
problemas que tienen un número finito de posibles decisiones, entre
las cuales el que toma la decisión tiene que escoger una, dado un
numero de criterios. Por otro lado, está la Programación multiobjetivo,
la cual considera problemas de optimización con al menos dos
funciones objetivo. El trabajo que se va a desarrollar se centra en este
último, concretamente, se analizarán problemas de maximización y/o
minimización de una función vectorial lineal cuyo conjunto factible
viene definido por funciones también lineales.

DEFINICIÓN

La Programación Multiobjetivo (PMO) o también llamada optimización

simultánea de varias funciones objetivos, se define como un área de
la investigación de operaciones, la cual proporciona métodos útiles y
eficientes para la toma de decisiones sobre problemas que incluyen
diversidad de objetivos; los cuales hay que tratar de manera
conjunta, ya que no es evidente la mejor u óptima alternativa.

Es también llamada Programación de Metas. La idea principal

consiste en convertir las diversas funciones objetivos originales en
una sola meta o función objetivo. El modelo resultante produce lo que
se suele llamar solución eficiente, porque podrá no ser óptima con
respecto a todas las funciones objetivos que presente el problema.
Esta solución tratara de satisfacer en lo posible con todas las
funciones objetivos presentes.
FINALIDAD

La programación multiobjetivo busca un conjunto de soluciones

eficientes llamado también óptimo de Pareto o conjunto de soluciones
no dominadas. En este óptimo de Pareto ninguna solución factible,
comparada con otra solución dentro del mismo conjunto, puede
mejorar un objetivo sin empeorar simultáneamente otro objetivo. Esto
se debe a que muchas veces la ampliación de la idea de optimización
multiobjetivo puede ser erróneamente asumida con encontrar una
solución óptima a cada función objetivo; ciertamente este concepto
es mucho más que esta simple idea.

PROBLEMAS DE LA PROMAGICIÓN MULTIOBJETIVO

En un problema general de programación multiobjetivo:

 Si las variables son continuas, las funciones objetivo y las

restricciones son lineales entonces el problema es llamado un
problema lineal multiobjetivo

 Si algunas funciones objetivo son no lineales y todas las

variables son continuas, entonces es un problema multiobjetivo
no lineal continuo

 Si algunas de las variables pueden tomar valores discretos, es

un problema de programación multiobjetivo discreta o entero.

PROGRAMACIÓN MULTIOBJETIVO Y LA FUNCIÓN OBJETIVO

En este caso de la optimización multiobjetivo, además del conjunto de

soluciones eficientes, las funciones objetivo constituyen un espacio
multidimensional. Este nuevo espacio se llama espacio objetivo, el
cual es una correspondencia del espacio donde se encuentra el
conjunto de soluciones eficientes al espacio de las funciones objetivo.
 o Diferencia entre una programación con un objetivo y la
programación multiobjetivo

PROGRMACIÓN CON UN PROGRAMACIÓN

OBJETIVO MULTIOBJETIVO

*Se encuentra una única *Busca un conjunto de

solución óptima soluciones eficientes

*Posee sólo el espacio de *posee dos espacios de

búsqueda: El espacio de búsqueda: El espacio de
decisión decisión y el espacio objetivo

*Son tratados con las técnicas *Deben ser tratados con

clásica de IDO técnicas de la optimización
multiobjetivo

MÉTODOS PARA RESOLVER PROBLEMAS DE PROGRAMACIÓN

LINEAL MULTIOBJETIVO

Algunos de los métodos que se utilizan para resolver problemas de

programación lineal multiobjetivo son los siguientes:

o Los métodos que generan el conjunto de soluciones eficientes o

no dominadas son:
  MÉTODO GRÁFICO

El método gráfico multiobjetivo, al igual que el método

clásico de programación lineal, es un método que sólo es
aplicable a problemas donde la dimensión de las variables
de decisión y de las funciones objetivo es dos.

MÉTODO SIMPLEX MULTIOBJETIVO

Es un método exacto y el único que garantiza la

generación de todos los puntos extremos eficientes. Este
trabaja directamente con todos los objetivos para
determinar las soluciones eficientes; debido a que
consiste en encontrar todos los puntos extremos
eficientes desplazándose de un punto extremo a otro
adyacente.

o Los métodos intentan generar todos los puntos eficientes del

espacio objetivo, si bien una vez aplicados, no garantizan la
obtención de todo el conjunto.

 PROMEDIOS PONDERADOS

El método de promedios ponderados es un caso

particular del método de ponderaciones, la diferencia que
existe es 1 1 ∑ = = P K λk . Este método obtiene una
solución factible que maximiza la suma ponderada de
todos los objetivos.

 MÉTODO DE PONDERACIONES

Es una de las primeras técnicas multiobjetivo considerada

para tratar de encontrar soluciones eficientes. Este
método es válido para problemas lineales y no lineales.
En el método de ponderaciones cada objetivo se
multiplica por un peso o factor no negativo, procediendo
después agregar todos los objetivos ponderados en una
única función objetivo. La optimización de dicha función
ponderada y agregada genera un elemento del conjunto
eficiente. Por medio de la parametrización de los pesos
asociados a los objetivos, se va aproximando el conjunto
de soluciones eficientes

 EL MÉTODO DE RESTRICCIONES
 El método de restricciones fue propuesto por Marglin en
1967. Este método consiste en optimizar una función
objetivo que se supone más importante que las otras. El
resto de las funciones objetivo se reescriben como
restricciones, donde los valores de las zi restantes, se
introducen con números reales que corresponden a cotas
inferiores para los términos independientes del lado
derecho

o Son métodos que generan una sola solución eficiente o no

dominada:

 MÉTODO DE PROGRAMACIÓN POR METAS

La Programación por Metas fue inicialmente introducida

por Charnes y Cooper en los años 50 y desarrollada en los
años 70 por Irij, Lee, Ignizio y Romero. Es actualmente
uno de los enfoques multicriterio que más se utilizan. En
principio fue dirigida a resolver problemas industriales; sin
embargo, posteriormente se ha extendido a muchos otros
campos como la economía, agricultura, recursos
ambientales, recursos pesqueros, etc., ya que resulta de
gran interés, sobre todo, en problemas complejos de gran
tamaño. Esta técnica permite resolver problemas con
objetivos múltiples, incompatibles, jerárquicamente
desiguales y no homogéneos en cuanto a su unidad de
medida. La programación por metas es una extensión de
la programación lineal. Surge cuando se intenta resolver
un problema con varios objetivos.

La idea básica consiste en transformar cada objetivo en

una meta, introduciendo las variables de desviación y
escogiendo niveles de aspiración (bi) para las metas, que
representan un nivel de logro aceptable en cada objetivo.
A cada meta se le asigna un orden de prioridad y se
minimiza la suma ponderada de las desviaciones
relevantes en cada meta, en el orden establecido de
prioridades; es decir, la programación por metas maneja
los objetivos (metas) como restricciones y utiliza (en la
función objetivo) un sistema de prioridades para
satisfacerlas, lo que permite obtener una solución óptima
global.
EJEMPLOS DE PROGRAMACIÓN LINEAL MULTIOBJETIVO

PROBLEMA 1
Un agricultor desea establecer un plan de uso de tierra para un predio
de 10 hectáreas, en el cual se pueden cultivar lentejas, frijol, trigo y
cebada. El margen bruto asociado con una hectárea de cada uno de
estos cultivos es $200, $220, $120 y $120 (en miles),
respectivamente. Para producir se dispone de 80 días de mano de
obra y $600 de capital. Las necesidades de cada cultivo se observan
en la siguiente tabla.

PLANTEAMIENTO DEL MODELO:

De acuerdo con los objetivos deseados las variables de decisión son:

Las restricciones del modelo son:

El problema consiste en maximizar el margen bruto, la función

objetivo se define:

Sin embargo, el agricultor desea además que el desgaste del suelo

sea el mínimo, considerando que la erosión asociada con los cultivos
es 0.2t‡ por hectárea de frijol, 0.4t por ha de lenteja, 0.05t por ha de
trigo y 0.1t por ha de cebada. Po lo tanto se desea minimizar también
la pérdida de suelo y la función se define:
El modelo de programación lineal multiobjetivo, el cual representa
dos escenarios, es el siguiente:

Solución del problema:

Se utilizará el método de restricciones para resolver el problema. Un

primer paso es optimizar individualmente cada función objetivo, para
considerar límites y algunos valores iniciales.

Al resolver el problema maximizando la primera función objetivo se

encontró que el óptimo es cultivar 4.66 ha de frijol, 1.33 ha de
lenteja, 4 ha de trigo y nada de cebada. Ello implica un margen bruto
de $1706.66, donde se utilizará toda la tierra, toda la mano de obra y
el capital.

La solución óptima al minimizar la erosión es cultivar 5ha de lentejas

y 5ha de trigo, sin cultivar arvejas ni cebada. Lo que implica una
pérdida de suelo total a nivel del predio de 1.25t; utilizándose toda la
tierra, todo el capital y 65 días de mano de obra.

Una vez que se tienen los valores óptimos de las funciones objetivo,
posteriormente se calcula cuál es la erosión asociada al máximo
margen bruto, obtenido en la solución óptima, y cuál es el margen
bruto asociado con la mínima erosión.
Del resultado anterior y de las soluciones óptimas de cada una de las
funciones objetivo se obtiene la matriz de pagos.

Se puede observar que las soluciones sobre la diagonal forman el

punto ideal, ya que no es posible generar un margen bruto superior a
$1706.66 ni una erosión inferior a 1.25t.

Por otro lado es razonable pensar que existen soluciones dominadas,

tales como el margen bruto igual a $1600 con una erosión menor a
1.66t y mayor a 1.25t; o bien una erosión igual a 1.66t y margen
bruto mayor que $1.600 y menor que $1706.66. Para resolver el
problema mediante el método de restricciones, es necesario dar
prioridad a alguna de las funciones objetivo; suponga que la prioridad
del agricultor es maximizar el margen bruto.

La segunda función objetivo se introduce como una nueva restricción

al problema y esta estará acotada por el término independiente e2
del lado derecho. Por lo que el nuevo modelo P(ε) queda planteado de
la siguiente manera:
El valor óptimo de la segunda función permite tener una primera cota
a considerar de e2, para resolver el problema, entonces se introduce
e2 = 1.25. Posteriormente se re-optimiza varias veces el problema
considerando diversos valores de e2. La tabla muestra las diferentes
soluciones del problema con respecto a diversos valores para el
término independiente del lado derecho e2.

Observaciones: En la solución 1 si e2 es menor a 1.25, el problema no

tiene solución; con lo que se concluye que el problema no es factible
para valores menores a 1.25 (valor óptimo correspondiente a la
pérdida del suelo).

Si e2 es igual a 1.25, como se ve en la solución 2, entonces el margen

bruto que se obtiene es de $1600; observando que de acuerdo a la
matriz de pago es el peor valor que podría tomar la primera función
objetivo.

Conforme aumenta e2 va aumentando el margen bruto y la variable

x3, correspondiente al trigo, toma un valor distinto de cero. Para
valores de e2 mayores a 1.7 la primera función objetivo es óptima; sin
embargo, la segunda función se aleja del óptimo. Tal es el caso de la
solución 11 a la 15, donde el margen bruto alcanza su óptimo de
$1706.66 si se siembra 1.532t ha de frijol, 4h de lenteja, 1.3 de trigo
y nada de cebada.

Aunque en estas soluciones se alcanza el óptimo del margen bruto, el

valor de la erosión aumenta a 1.532t. Considerando todas las
soluciones, el decisor debe balancear y escoger una solución
conveniente de acuerdo a las prioridades del problema.

MÉTODO DE LOS FACTORES DE PONDERACIÓN

TERMINOLOGÍA

 Gi: función objetivo i-ésima.

 Wi: factor de ponderación positivos de la función objetivo i-
ésima.
Estos factores reflejan las preferencias de quien toma las
decisiones, respecto a la importancia relativa de cada meta. Por
la tanto los valores tomados por estos factores son subjetivos
 Si: variable de desviación de la función objetivo i-ésima.
 Xi: variables ya estudiadas.
 Z: función objetivo combinada (deriva de las funciones objetivas
múltiples).

PROBLEMA 2:

Cierta persona tiene una empresa dedicada a la fabricación de

artículos navideños, la cual produce bolas, tiras de luces y estrellas
luminosas. En la producción de una unidad de cada artículo utiliza
materias primas en las siguientes cantidades:
Llegado el mes de diciembre, la empresa contabiliza la existencia de
150 m de cable eléctrico, 400 bombillas, 1000 bloques de plástico y
560 hojas de papel brillante por semana; para fabricar los artículos de
la temporada. Para que las tiendas admitan un determinado pedido,
el número de bolas ha de ser como mínimo el doble que el número de
tiras y estrellas. El beneficio que proporciona cada unidad de producto
es 4, 8 y 12 (bolas, tiras y estrellas respectivamente). Con base a ello
el fabricante desea elevar su producción para el mes de diciembre.

PLANTEAMIENTO DEL MODELO:

De acuerdo con los objetivos deseados las variables de decisión son:

El objetivo es saber cuál debe ser la producción para que el beneficio

sea el máximo.
Al dueño de la empresa también le preocupa evitar la subutilización
de la capacidad de producción, es decir, no quiere despedir
empleados. Ahora también desea maximizar la capacidad de
producción de los productos por horas a la semana.

Por tanto modelo de programación lineal multiobjetivo queda

planteado de la siguiente manera:

SOLUCIÓN DEL PROBLEMA:

Primero se optimiza el problema con cada una de las funciones

objetivo. La solución óptima de cada función objetivo es:

Con el resultado anterior se obtiene la matriz de pagos, ya que esta

muestra el punto ideal del PPLMO
Se evaluaron los valores x1 y x2 obtenidos en ambas soluciones
óptimas; posteriormente se sustituyen en las funciones objetivo
respectivamente.

Esta matriz ayudará a obtener una buena solución lo más cercana

posible al punto óptimo. Utilizando el método de programación por
metas, el planteamiento del problema es el siguiente:

Entonces el nuevo modelo se define como:

El óptimo de cada una de las funciones objetivo ayudará a introducir

las diferentes cotas para las funciones objetivo como restricciones.
Una vez que se ha planteado como un problema de programación por
metas, se resuelve.

La siguiente tabla muestra la solución del problema con respecto a

diversos valores de las cotas.
OBSERVACIONES:

En la solución 5, 6, 7, 11 y 13 la primera función objetivo alcanza el

óptimo pero la función z2 alcanza un valor menor de lo esperado. En
la solución 15 z2 alcanza el óptimo, pero z1 disminuye.

Así también en la solución 8, 13 y 13 z2 alcanza un valor muy

cercano a su óptimo esperado. Los valores de las di’s tienen valor
cero, lo que quiere decir que se cubre toda la meta esperada. Cabe
hacer notar que se intentó resolver el problema con otro método; sin
embargo, los resultados obtenidos no fueron los más convenientes.

En cada uno los problemas vistos, se deberá analizar a detalle cada

una de las soluciones obtenidas, para tomar una buena solución; así
mismo es necesario tener el apoyo del analista y el decisor. Todo esto
es para tomar la solución más conveniente para resolver el problema,
de acuerdo con sus prioridades.
CONCLUSIÓN

Se estudió el desarrollo y los conceptos fundamentales de la

programación lineal multiobjetivo; así también se resolvieron algunos
problemas con múltiples objetivos. Por lo tanto, de este trabajo se
puede concluir:

 La programación lineal multiobjetivo, es una técnica

reciente en investigación de operaciones la cual puede
verse como una solución multicriterio a un problema
donde los diversos objetivos están en conflicto o no es
imposible reducirlos a uno solo; ya que permite resolver
problemas multiobjetivo, buscando una solución
compromiso para satisfacer todos los objetivos del
problema.

 Algunos de los métodos utilizados para resolver

problemas con más de un objetivo, convierten el
problema multiobjetivo a un nuevo problema con un
objetivo; cuya ventaja es poder resolver este nuevo
problema mediante algún software orientado a resolver
problemas de programación lineal clásica. Sin olvidar que
se hace uso de la PLMO para poder obtener una solución.

 Es necesario recordar que, para este tipo de problemas,

en numerosas ocasiones, se deben considerar aspectos
relacionados con teoría de decisiones para así poder
elegir una solución que satisfaga todos los objetivos
BIBLIOGRAFÍA

[Link]
52.100/5090/[Link]?sequence=1