DPTO. ECONOMA GENERAL Y ESTADSTICA UNIDAD DOCENTE DE ESTADSTICA Y ECONOMETRA.

UNIVERSIDAD DE HUELVA

TCNICAS DE DECISIN MULTICRITERIO 20032003-2004 LICENCIATURA EN CIENCIAS AMBIENTALES

TEMA 3: PROGRAMACIN MULTIOBJETIVO

Profesora: Concepcin Corts Rodrguez

1

TEMA 3. PROGRAMACIN MULTIOBJETIVO

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

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.1. Aspectos Bsicos

Formulacin de un problema multiobjetivo:

Eff f(x) = [f1(x), f2(x),..., fp(x)] s.a. x

Eff : bsqueda de soluciones eficientes o Pareto ptimas en el sentido maximizar (+ del

atributo mejor) o minimizar (- del atributo mejor)

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

como el mtodo de la restriccin y el mtodo de la ponderacin.

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.2. Ejemplo Ilustrativo

Planificacin de la produccin de una papelera:
Variables Supongamos una empresa que est considerando la posibilidad de planificar la produccin de una papelera de propiedad pblica en la que existen dos posibles productos: pulpa de celulosa obtenida por medios mecnicos y pulpa de celulosa obtenida por medios qumicos. Las capacidades mximas de produccin se estiman en 300 y 200 toneladas/da para cada uno de los dos tipos de pasta de celulosa. Cada tonelada de pasta de celulosa producida demanda un jornal. La empresa dispone de una plantilla de 400 trabajadores, no deseando contratar mano de obra eventual. El margen bruto (ingresos menos costes variables) por tonelada de pasta de celulosa obtenida por medios mecnicos se estima en 1.000 u.m. y en 3.000 u.m. la obtenida por medios qumicos. Los costes de la papelera se estiman en 300.000 u.m./da. La empresa deseara, al menos, cubrir los costes fijos. Objetivos Las preferencias de la empresa se concretan en la maximizacin del margen bruto (objetivo econmico) y en la minimizacin del dao generado en el ro en el que la papelera vierte sus residuos productivos (objetivo ambiental). Se estima que los residuos producidos por cada tonelada 4 de pasta de celulosa obtenida por medios mecnicos y por medios qumicos generan unas demandas biolgicas de oxgeno en las aguas del ro de 1 y 2 unidades.

Restricciones

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.2. Ejemplo ilustrativo: Planificacin de la produccin de una papelera

Formulacin del problema Variables de decisin:
x1 a las toneladas diarias de pulpa de celulosa obtenida por medios mecnicos y x2 a las toneladas diarias de pulpa de celulosa obtenida por medios qumicos

Atributos: Funciones objetivo:

f1(x) = 1000x 1 + 3000x 2 f2(x) = x1 + 2x2 Max f1(x) = 1000x 1 + 3000x2 Min f2(x) = x 1 + 2x2

(margen bruto) (demanda biolgica de O 2 ) (margen bruto) (demanda biolgica de O 2 )

Restricciones:
x1 + x 2 400 1000x1 + 3000x 2 300000 x1 300 x2 200 x1, x 2 0 (empleo) (margen bruto) (capacidades de produccin) 5

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.2. Ejemplo ilustrativo: Planificacin de la produccin de una papelera

Formulacin matemtica
Buscamos las soluciones eficientes del siguiente problema con dos objetivos (bi-objetivo):

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 )

x1 300 x2 200 x1, x 2 0

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.2. Ejemplo ilustrativo: Planificacin de la produccin de una papelera

Representacin de las soluciones o posibles (regin factible) en el espacio de las variables

Puntos extremos:
A= (0, 100) B= (0, 200) C= (200, 200) D= (300, 100) E= (300, 0)

Soluciones Eficientes:
Los segmentos AB y BC

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.2. Ejemplo ilustrativo: Planificacin de la produccin de una papelera

Representacin de las soluciones o posibles (regin factible) en el espacio de los objetivos

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

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.3. Matriz de pagos (pay-off matrix)

Ejemplo: Planificacin de la produccin de una papelera MATRIZ DE PAGOS Margen Bruto Margen Bruto Demanda Biolgica de O2 800.000 300.000 Demanda biolgica de O2 600 200

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.

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.3. Matriz de pagos (pay-off matrix)

PRIMERA FILA DE LA MATRIZ DE PAGOS

Max f1(x) = 1000x 1 + 3000x2 sujeto a: x1 + x 2 400 1000x1 + 3000x 2 300000 x1 300 x2 200 x1, x 2 0 f2(x) = x 1 + 2x 2 demanda biolgica de O 2 (empleo) (margen bruto) (capacidades de produccin) margen bruto

Solucin:
(x 1, x 2) = (200, 200) (f1, f2) = (800.000, 600) 10

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.3. Matriz de pagos (pay-off matrix)

SEGUNDA FILA DE LA MATRIZ DE PAGOS
Min f2(x) = x1 + 2x 2 sujeto a: x1 + x 2 400 1000x1 + 3000x 2 300000 x1 300 x2 200 x1, x 2 0 f1(x) =1000 x 1 + 3000x2 margen bruto (empleo) (margen bruto) (capacidades de produccin) demanda biolgica de O 2

Solucin:
(x 1, x 2) = (0, 100) (f1, f2) = (300.000, 200) 11

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.3. Matriz de pagos (pay-off matrix)

PUNTO IDEAL:
La solucin en la que todos los objetivos alcanzan su valor ptimo. Coincide con los elementos de la diagonal principal de la matriz de pagos. En la mayora de los contextos decisionales reales el punto ideal es inalcanzable. (f1, f2) = (800.000, 200)

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

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.4. Mtodo de las Restricciones

Fue Propuesto por Marglin en 1967. Consiste en optimizar uno de los objetivos, mientras que el resto de los objetivos se incorporan al modelo en forma de restricciones paramtricas.

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.

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.5. Mtodo de las Ponderaciones

Fue propuesto por Zadeh en 1963. Se optimiza una funcin objetivo en la que se han agregado y ponderado todos los objetivos.

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

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.5. Mtodo de las Ponderaciones

Observaciones:
Este mtodo, al igual que el mtodo de las restricciones, no conduce siempre a una representacin completa del conjunto eficiente, garantizando solamente una aproximacin del mismo. Por un lado, combinaciones distintas de los pesos wi pueden llevar a un mismo punto extremo, con lo que el esfuerzo informtico realizado no aporta nueva informacin. Una cota superior del nmero de puntos factibles extremos en un problema lineal con n variables (incluyendo las de holgura) y m restricciones es:

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

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.6. Otras tcnicas multiobjetivo: un breve comentario

Mtodo NISE:
Inicialmente fue propuesto por Cohon en 1979. Permite una rpida y buena aproximacin del conjunto eficiente con dos objetivos. Genera puntos eficientes basndose en el mtodo de las ponderaciones y es vlido para cualquier nmero de variables y de restricciones. La eleccin de los pesos wi no es arbitraria. La evaluacin de la eficiencia de segmentos que unen puntos eficientes adyacentes extremos se hace con la eleccin de los pesos w1 y w2 de la funcin objetivo de forma que: w1 / w2 = pendiente de la recta que une los puntos extremos eficientes de la iteracin anterior, comenzando con los puntos de la matriz de pagos En 1985, Balachandran y Gero extendieron el mtodo NISE al caso de tres objetivos. 16

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.6. Otras tcnicas multiobjetivo: un breve comentario

Simplex Multicriterio:
Fue propuesto por Philip (1972) y Zeleny (1973). Es vlido slo para problemas multiobjetivos lineales. Es el nico mtodo multiobjetivo que genera todos los puntos extremos eficientes. Se basa en el algoritmo del simplex, desplazndose de un punto extremo a otro punto extremo adyacente. Proporciona pues, una representacin exacta del conjunto eficiente. Su principal inconveniente es la enorme complejidad de los clculos que se necesitan para su implementacin. Los softwares disponibles basados en este mtodo resultan tiles slo para problemas con un tamao moderado. ADBASE (diseado en EE.UU. por el profesor Steuer, 1983): admite hasta 50 variables, 50 restricciones y un mximo de 3 objetivos. MLP (desarrollado por Zeleny en 1973 y comercializado por una empresa holandesa de ordenadores): en teora para 50 variables, 50 restricciones y un mximo de 8 objetivos. En la 17 prctica, para problemas de tamao mucho ms reducido.

TEMA 3. PROGRAMACIN MULTIOBJETIVO

3.7. Algunas observaciones sobre la programacin multiobjetivo

Debilidades del Mtodo de las Restricciones y de las Ponderaciones
Pueden dejar pasar por alto alguno de los puntos eficientes. Solucin En el mtodo de las restricciones: Aumentar el nmero de valores que le demos a Li. En el mtodo de las ponderaciones: Reducir la escala de los pesos.

Debilidades de los Mtodos Multiobjetivo

En general, generan un nmero de puntos extremos eficientes muy elevado. Solucin 1.- Trabajar con intervalos de pesos en lugar de pesos fijos (Steuer, 1976) 2.- Recurrir a tcnicas de poda y filtrado (Steuer y Harris, 1980): Se descartan soluciones eficientes 18 que sean muy parecidas a otras soluciones eficientes previamente calculadas.