Professional Documents
Culture Documents
UNIVERSIDAD DE HUELVA
3.1 Aspectos bsicos 3.2. Ejemplo ilustrativo 3.3. La matriz de pagos en la programacin multiobjetivo 3.4. Mtodo de las Restricciones 3.5. Mtodo de las Ponderaciones 3.6. Otras tcnicas multiobjetivo: un breve comentario 3.7. Algunas observaciones sobre la programacin multiobjetivo
fi(x): expresin del atributo i-simo (i = 1, 2, ..., p) x= (x1, x2, ..., xn) : vector de variables de decisin : conjunto de restricciones que definen el conjunto de soluciones posibles o factibles
(generalmente son lineales) Para resolver este problema utilizaremos tcnicas generadoras de soluciones eficientes,
3
Restricciones
f1(x) = 1000x 1 + 3000x 2 f2(x) = x1 + 2x2 Max f1(x) = 1000x 1 + 3000x2 Min f2(x) = x 1 + 2x2
Restricciones:
x1 + x 2 400 1000x1 + 3000x 2 300000 x1 300 x2 200 x1, x 2 0 (empleo) (margen bruto) (capacidades de produccin) 5
Eff f(x) = [f1(x), f2(x)] donde: f1(x) = 1000x 1 + 3000x2 f2(x) = x1 + 2x2 sujeto a: x1 + x 2 400 1000x1 + 3000x 2 300000 (empleo) (margen bruto) (capacidades de produccin) (margen bruto) (demanda biolgica de O 2 )
Puntos extremos:
A= (0, 100) B= (0, 200) C= (200, 200) D= (300, 100) E= (300, 0)
Soluciones Eficientes:
Los segmentos AB y BC
Puntos extremos:
A= (300.000, 200) B= (600.000, 400) C= (800.000, 600) D= (600.000, 500) E= (300.000, 300)
Soluciones Eficientes:
Los segmentos AB y BC
Es una matriz cuadrada, cuya dimensin 2x2 coincide con el nmero de objetivos. Se calcula optimizando cada objetivo separadamente y calculndose seguidamente los valores alcanzados por los dems objetivos en cada solucin ptima. Utilidad: Permite cuantificar el nivel de conflicto existente entre los objetivos en cada solucin 9 ptima.
Solucin:
(x 1, x 2) = (200, 200) (f1, f2) = (800.000, 600) 10
Solucin:
(x 1, x 2) = (0, 100) (f1, f2) = (300.000, 200) 11
PUNTO ANTI-IDEAL:
Es el peor elemento de cada columna de la matriz de pagos. Coincide con el mnimo (mximo) de la columna si el objetivo correspondiente se maximiza (minimiza). (f1, f2) = (300.000, 600) 12
Formulacin: Funcin objetivo P(Li): sujeto a: Restricciones fijas Restricciones paramtricas x fi (x) Li i = 1,2, ..., k1, k+1, ..., p Opt fk(x)
Objetivo fi a maximizar
{Valor anti-ideal del objetivo i} Li {Valor ideal del objetivo i} Genera puntos eficientes extremos e interiores slo cuando las restricciones paramtricas fi (x) = Li. Si no se da la igualdad y adems existen ptimos alternativos, entonces la solucin del problema P(Li) puede no ser eficiente. Cuando algunas de las cotas Li son altas, los problemas P(Li) pueden ser infactibles. Este mtodo requiere rp-1 pasadas de computador con r= n de valores que se d a los parmetros Li. 13 Uno de los softwares disponibles que resultan ms tiles para este mtodo es el LINGO.
Formulacin: Funcin objetivo Restricciones fijas P(W): Opt w1f1(x) + w2f2(x) + ... + wpfp(x) sujeto a: x W= (w1, w2, ..., wp) 0
+: objetivos a maximizar -: objetivos a minimizar
Los pesos W elegidos no guardan ninguna relacin con las preferencias del decisor. Se aconseja comenzar resolviendo los problemas con pesos (1,0,0,...,0), (0,1,0,...,0), ..., (0,0,...,1). Genera puntos extremos eficientes slo cuando todos los wi > 0. Si alguno de los pesos es cero y adems existen ptimos alternativos, entonces la solucin generada por el problema P(W) puede ser no eficiente. Uno de los softwares disponibles que resultan ms tiles para este mtodo es el LINGO. 14
n n! = m m!(n m)!
Alguno de los problemas P(W) puede resultar infactible. Si la solucin del problema P(W) es nica entonces es una solucin eficiente. Este mtodo requiere la realizacin de rp-1 pasadas de computador con r= n pesos W ensayados. El mtodo de las ponderaciones se puede usar conjuntamente con el mtodo de las restricciones obtenindose el llamado mtodo hbrido de las ponderaciones y restricciones. 15