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 ejern-
plo 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 apli-
ellos, 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 desea-
mismos. Es decir, ante cada situacin con- do que sea factible conseguir.
creta en la que haya que emitir una deci- Ambas situaciones son, sin embargo,
sin, el sujeto 4 la organizacin- con- frecuentes 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 im-
nos 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 consi-
mizacin 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 ob-
denomina programacin multicriterio o jetivos, informacin que a veces constitu-
tambin 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 re-
cin eficiente o no dominada, ya exista en suelto.
la obra de Pareto (1896) aplicado a la eco- Otra de las caractersticas generales de
noma del bienestar. La de su toda situacin multicriterio es el abandono
desarrollo, junto con la fecundidad de los de la idea de optimalidad y, en conse-
distintos 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 integra- salvo en el caso trivial de que
dora de todos ellos-, han limitado sus todos los objetivos tengan un ptimo co-
alcances 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 apar-
las metodologas existentes. tado a) anterior, dicha idea carece total-
As 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 ma-
solo (i).
yor generalidad. La primera de ellas es la
exclusin de dos cll.,?s de situaciones,
ante las la solu:"';n problema (1) A su vez, 1, existencia de una escala de prio-
que nos planteamos resulta trivial: ridades claramente establecida puede considerarse
como un caso particular de relacinentre los distintos
a) La perfecta compatibilidad entre los objetivos, relacin que tiene ahora una naturaleza
distintos objetivos analizados, en iexicogrfica.
l 730 Revista Espaola de Financiacin y Contabilidad
1
1 El concepto que sustituye, entonces, al
de optimalidad en un contexto multicrite-
rio 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 ordena-
1 cin parcial del conjunto de soluciones
factibles, puesto que mientras que toda
l
solucin eficiente ser preferible a cual-
quiera 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 con-
l texto del problema, debiendo recurrir en-
1 tonces a nuevos criterios de eleccin, deri-
l vados la mayor parte de las veces de las
l preferencias del sujeto decisor, as como
de cierta informacin que pueda extraerse
I del propio problema.
l
Una ordenacin parcial es, por defini-
cin, incompleta, lo cual puede ser una
fuente de complejidad para la toma de
I decisiones. Ahora bien, esta complejidad
no puede en s misma ser considerada
como un resultado indeseable, ya que vie-
ne 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 conse-
cuencias que puedan derivarse de tal he-
cho. Ms an, y dado que se hace necesa-
rio dotar al sujeto decisor de ciertos ins-
trumentos o criterios que le ayuden en la
eleccin entre las alternativas disponibles ,
dicha complejidad es fuente de nuevos m-
todos, nuevos algoritmos, con los cuales
hacer frente a las situaciones multicriterio,
tpicas de la realidad econmico-empresa-
rial.
Siguiendo a B. Roy podemos clasificar
las principales metodologas propuestas
dentro del tema que comentamos como
sigue (2):
(2) Vid. ROY, B.: Problems and Methods With
Multiple Objetive Functions)). Mathernatical Progra- ventaja, tan pronto como el problema se
rnming, 1, 1971, pgs. 239-266.
1) Agregacin de las distintas funcio-
nes objetivo en una sola que permita
definir un orden total, con lo cual
se destruye en cierta forma la esen-
cia multicriterio del problema.
2) Exploracin del conjunto de solucio-
nes eficientes, extrayendo del mis-
mo 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 implica-
dos.
3) Definicin de un orden parcial ms
fuerte que el derivado de las funcio-
nes objetivo primitivas, de modo
que se reduzca en lo posible el n-
mero de soluciones finales a consi-
derar.
4) Reduccin de la incomparabilidad
mediante tcnicas tales como el es-
tudio de signos, el rango de los
parmetros, etc., las cuales requie-
ren una menor informacin acerca
de las funciones globales subyacen-
tes en cada problema. Por funciones
globales entendemos las representa-
tivas de la utilidad que para el su-
jeto 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 investi-
gacin 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 subya-
cente, 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
hace lo suficientemente complejo y mayor
 F. J. Valero Lpez: La programacin lineal multicriterio
es la dificultad de comprobar tal factibili-
dad (3).
2. LA PRBGRAMACION LINEAL
MULTICRITRIO: CONCEPTO Y
ELEMENTOS.
Un programa lineal multiciiterio con n
funciones objetivo adopta la siguiente for-
ma general:
l
Mx f1 = c' x
Mx f2 = c2x
sujeto a
donde hemos adoptado la notacin ms
usual en !a representacin matricial de un
programa lineal.
Bajo las hiptesis enunciadas al comien-
zo, no existe ningn ptimo comn a todas
las n funciones objetivo consideradas, por
lo que nuestro inters reside en caracteri-
zar una solucin eficiente, x*, dentro del
conjunto de soluciones factibles. Para di-
cha 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 ex-
perimental, de uno de tales mtodos junto con otros
l
con mayor fundamentacin terica puede varse en:
WALLENINS, J.: Comparative Evaluation of
Some Interactive Approachs to Multicriteriun Opti-
mizationn. Management Science, Vol. 21, n.O 12,
agosto 1975, pgs. 1.387-1.398.
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 ob-
tiene resolviendo el siguiente programa
lineal:
sujeto a las mismas restricciones originales.
En base a esta propiedad es obvia la
manera de obtener una solucin eficiente.
El problema reside, entonces, en determi-
nar el conjunto de pesos Xi mediante los
cuales pueda obtenerse una solucin satis-
factoria para el suieto decisor.
entro del conjunto de soluciones efi-
cientes 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 hip-
tesis, quiere tener en cuenta todos los
objetivos implicados en el problema. Por
este motivo, las condiciones (2) anteriores
suelen sustituirse por:
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 sub-
conjunto, por tanto, del compuesto por
las soluciones eficientes.
De esta manera, se impide que se 'On-
sigan ganancias en un cierto objetivo que
732 Revista Espaola de Financiacin y Contabilidad
sean arbitrariamente grandes en relacin solucin de un programa lineal multicrite-
con las prdidas que pueda sufrir algn rio:
otro, lo cual podra suceder si este ltimo
careciera de ponderacin alguna. a) que el problema sea infactible, situa-
Una informacin de primera mano pue- cin en !L. cual el problema carece
de obtenerse del problema (1) sin ms de solucin para todas y cada una de
que resolverlo n veces, considerando en las funciones objetivo dadas. En
cada una de ellas una de las funciones efecto, la factibilidad o la ausencia
objetivo como prioritaria, es decir, optimi- de la misma slo depende de que el
zando el problema con respecto a dicha conjunto formado por la inter-
funcin en exclusiva, a la vez que evalua- seccin de todas las restricciones
mos todas las restantes. Con ello se consi- sea vaco o no, por lo que este caso
gue la siguiente matriz, que podemos de- se ha ignorado por todos los trata-
nominar matriz de ptimos individualiza- distas del tema, realizando previa-
dos: mente el supuesto de que existe
una solucin factible.
b) que existan ptimos alternativos en
alguna etapa del proceso de solu-
cin. Por ejemplo, en el caso de la
matriz de ptimos individualizados
pueden obtenerse varios puntos p-
timos para alguna o algunas de las
funciones objetivo individuales, p-
donde el significado de cada elemento fijes timos que pueden diferenciarse res-
el del valor que toma la funcin objetivo i pecto a los valores que adopten las
cuando el conjunto del problema se est restantes. En este caso, podemos
optimizando con respecto a la funcin j. decir que, ms que una sola matriz,
En defnitiva,dicha matriz nos proporcio- habr un conjunto de ellas, todas
iia, de foina sinttica y operativa, infor- con la misma diagonal principal, di-
macin acerca de las consecuencias que ferencindose en algunos de los res-
para los dems objetivos tiene el hecho de tantes elementos. Mtodos, como el
que consideremos prioritario cada uno de de Belenson y Kapur, basados en la
ellos. informacin contenida en dicha ma-
La diagonal principal de la matriz ante- triz, parecen ignorar esta posibili-
rior constituye lo que se ha denominado dad (4).
solucin ideal por cuanto representa la c) que se obtenga para alguna de las
combinacin de los mejores valores que funciones objetivo una solucin ili-
pueden conseguirse de cada una de las mitada,en cuyo caso el valor de la
funciones objetivo, consideradas estas por misma podr hacerse tan grande
separado, de acuerdo con el conjunto de como se quiera. Ante esta situacin
restricciones conocido. Dada la hiptesis .
realizada acerca de la carencia de un p-
timo 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
tanto inalcanzable. sujeto decisor, la existencia de ptimos alternativos
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 733
puede sugerirse la eliminacin de un Ambas transformaciones pueden reali-
objetivo tan poco operativo; sin em- zarse con referencia a la propia matriz
bargo, esta sugerencia olvida que original. En efecto, sumando a cada uno
puede interesarnos de todas formas de los elementos de la matriz un nmero k,
observar el comportamiento de di- tal que:
cho objetivo frente a la considera-
cin prioritaria de los restantes.
En todo caso, tampoco es esta una k = - mn fij
situacin que haya sido contemplada ij
por los tratadistas de la PLMC.
El procedimiento que, a nuestro juicio, si existe algn elemento negativo, pueden
parece ser el ms recomendable es el de convertirse todos ellos en positivos o nulos
ignorar dicho objetivo en el contexto del caso de que sea conveniente hacerlo. En
problema, siempre que no se desee alcan- segundo lugar, una homogeneizacin de
zar un nivel mnimo del mismo cuya con- unidades de medida puede conseguirse con
secucin no queda asegurada de modo referencia a los valores mximos que pue-
general a la vista de la informacin que se de adoptar cada una de las funciones ob-
dispone del problema. Si esto ltimo suce- jetivo. Es decir, si
de, debe modificarse su planteamiento, in-
troduciendo dicho nivel mnimo en el con- fij = fij+ k, Vi, j
junto de restricciones, a la vez que se s-
prime la funcin objetivo causante de la si- donde k valdr cero, si no se ha efectuado
tuacin que contemplamos. la transformacin anterior entonces, para
No son estos los nicos problemas que cada objetivo i se tiene
pueden presentarse al resolver un progra-
ma lineal multicriterio. En efecto, general-
mente los distintos objetivos considerados
son de muy variada naturaleza, diversidad
que se traduce muchas veces en que di-
chos objetivos se expresan en unidades de con lo cual se obtiene una matriz normali-
suyo incomparables. Adems, la direccin zada de la forma que sigue:
real de algn objetivo puede ir hacia una
minimizacin en lugar de la maximizacin
con que hemos formulado nuestro proble-
ma. 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 maximi-
zacin. En ambos casos, parece necesario
proceder a una normalizacin de los dis-
tintos objetivos.
En el caso de la matriz de ptimos indi- donde todos los elementos de la diagonal
vidualizados, sta puede someterse a un principal son unos, debido a que, por cons-
desplazamiento uniforme del valor de to- truccin, para cada objetivo i se tiene:
dos sus elementos, si procede corregir la
segunda de las situaciones que acabamos
de apuntar y, seguidamente, a una homo- mx f.'. - f.!
1J - 11
geneizacin de los valores correspondien- j
tes a cada uno de los objetivos.
1 734 Revista Espaola de Financiacin y Contabilidad
Por ltimo, diremos que todo procedi-
miento de resolucin de un programa mul-
ticriterio que no se limite a proporcionar
un conjunto ms o menos amplio de solu-
~ cienes eficientes, debe de ir dirigido en
ltimo trmino a la obtencin de una solu-
cin que satisfaga a los deseos del sujeto
decisor, si es que existe alguna. Por ello,
junto a una primera etapa en tales proce-
, dimientos, cuya finalidad consiste en con-
seguir una solcin que, respecto a algn
criterio terico constituya un buen com-
I promiso entre los distintos objetivos, apa-
recer normalmente otra etapa orientada a
provocar una bsqueda, a partir de la so-
lucin precedente, de alguna otra ms
acorde con los deseos del sujeto decisor,
A.-Agregacin de las distintas funciones
objetivo.
b.- 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 pro-
puestos por B. Roy para atacar las situa-
ciones 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 expli-
cacin 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 pondera-
ciones 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. Zele-
ny nos previene contra dicha asignacin
directa, por cuanto (5):
a) la habilidad humana para realizar una
evaluacin global del problema que permi-
ta proporcionar unos pesos fiables no es
muy grande, a la vez que se encuentra
sometida a unos claros riesgos de arbi-
trariedad 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 consi-
derar puede ser muy grande, limitando an
ms la habilidad humana de ponderar to-
dos ellos.
d) aunque se haya estimado correcta-
mente 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 posi-
bles 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 satis-
faccin o de aceptabilidad, mi, i = 1, -., n,
para cada uno de los objetivos que consi-
deramos, podemos, entonces, seguir dos
caminos:
1) aplicar la programacin por objetivos,
minimizando la suma ponderada de las
desviaciones, tanto positivas como negati-
vas, que se produzcan con respecto a cada
uno de los niveles fijados. Ms todava, en
vez de definir unos determinados niveles
(5) ZELENY, M.: .Linear Multiobjetive Progra-
mminge. Lecture Notes in Economics and Mathema
tical Systems, n.O 95, Springer-Verlang, 1974, pginas
169-171.
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, tan-
to por un extremo como por el otro. Este
ltimo d2 lugar a la denominada progra-
macin por objetivos - intervalos, objeti-
vo 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 des-
viaciones 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 de-
cir, 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. I
Para un conocimiento profundo de am-
bas fases remitimos al lector a la obra de
M. Zeleny y de P.L. Yu (8), dado que no
( 6 ) CHARNES, A.; COOPER, W. W.: ((Goal Pro-
gramming 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.
(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 b) la proporcionada por el sujeto decisor

interioridades de las mismas. con la finalidad de hacer valer sus pre-
Desde el punto de vista prctico, dada la
ferencias en la exploracin.
complejidad de los mtodos empleados, as Una de las propuestas con mayor inters
como la enorme cantidad de informacin terico es la debida a Geoffrion (10). Su
que generan, gran parte de ella innece- funcionamiento, que es tambin su debili-
saria, ya que, en definitiva, slo se va adad, reside en el supuesto de que para
escoger una de todas las posibles solucio-cualquier punto factible, el sujeto decisor
nes eficientes, creemos que los procedi- puede proporcionar una estimacin de las
mientos que entran en este apartado tienenn-1 relaciones marginales de sustitucin
un mero inters terico, siendo preferibleentre los n objetivos. A partir de estas
acudir a alguno de los mtodos de explo- relaciones puede construirse una direccin
racin inteligente que seguidamente co- de movimiento en bsqueda de una mayor
mentaremos. utilidad para el sujeto decisor, Una segun-
B.2) Debido a la magnitud del conjunto da informacin que debe proporcionarse es
de soluciones eficientes, en buena parte de
la longitud de dicho movimiento (es decir,
los casos parece conveniente limitarnos a el tamao de c ~ d apaso). Lz dil,cu!tad
una porcin restringida del mismo. Para radica, entonces, en que el sujeto decisor
ello, pueden pchazarse de entrada aque- no suele estar en condiciones de propor-
cionar la informacin que se requiere, ade-
llas soluciones que no satisfagan ciertos ni-
veles mnimos en todos o en algunos de losms de que la lgica y los conceptos
empleados no son los ms apropiados para
objetivos, o bien pueden considerarse sola-
mente aquellas soluciones con un determi- personas que no suelen tener en mente las
nado grado de acercamiento, medido con ideas bsicas de la optimizacin matemti-
algn criterio, a un marco de referencia ca en general.
fijado, como puede ser la propia solucin En segundo lugar, se encuentran todos
ideal del problema. aquellos mtodos basados en el mximo
acercamiento a la solucin ideal, segn
Otro procedimiento a seguir puede ser la
imposicin de restricciones sobre los pe- uno u otro criterio de distancia. Ms an,
sos, Ai, a aplicar a cada uno de los obje-al imponer como restriccin un determina-
tivos (9). Con ello pueden introducirse las
do grado de acercamiento a dicha solu-
estimaciones que haya podido realizar el cin, puede muy bien modificarse la regin
sujeto decisor acerca de la importancia factible, y, a consecuencia de ello, tambin
relativa a cada uno de los objetivos para la solucin ideal, desplazndola, enton-
sus deseos. ces, hacia el nuevo conjunto de soluciones
posibles. En todos estos mtodos, las dis-
8.3) Por exploracin inteligente entende-
mos aqu una bsqueda dentro del conjun- tancias correspondientes a cada objetivo
to de soluciones eficientes, sin necesidadpueden estar ponderadas, reflejando as la
de una previa determinacin del mismo, distinta importancia de cada uno de ellos.
utilizando dos fuentes de informacin: 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.
(10) GEOFFRION, A. M.: Vector Maximal De-
composition Programming Working Paper, Univer-
(9) Este es el camino seguido en: STEVER, EE.: sidad de California, Los Angeles, septiembre 1970.
~MultipleObjetive Linear Programming With Interval Sobre las dificultades que presenta la aplicacin
Criterion Weightsn. Manegement Science, Vol. 23, prctica de este mtodo, puede verse la obracitada en
n.O 3, noviembre 1976, pgs. 305-316. 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 inten-
tar descubrir aquella que verifique:
mn mx di(xJ)
j i
si esta solucin no es satisfactoria para el
sujeto decisor, este debe indicar cual de
los objetivos considerados puede empeo-
rarse, y hasta qu medida considera acep-
tabie hacerlo, repitindose de nuevo el
proceso previa modificacin de las ponde-
raciones utilizadas en el clculo de las dis-
tancias.
Por ltimo, el mtodo propuesto por
Belenson y Kapur (12) considera la matriz
de ptimos individualizados como la co-
rrespondiente a un juego bipersonal de
suma nula, siendo los jugadores las dis-
tintas 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 deter-
minar 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 correspon-
diente al objetivo menos deseado por dicha
(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 Progra-
mming Problems With Examples)). Operational Re-
search 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.
737
solucin de compromiso, repitindose el
proceso a partir de la nueva matriz de
pagos.
B.4) Es evidente que, junto a la ponde-
racin a priori de un determinado cri-
terio u objetivo, tambin puede hablarse
de una importancia a posteriori del mis-
mo, basada en el poder discriminatorio que
posea. En efecto, un objetivo considerado
inicialmente como fundamental puede te-
ner poca variacin en sus valores, dentro
del contexto del problema, mientras que
un objetivo conceptuado como secundario
puede presentar un amplio campo de varia-
cin, 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 discrimina-
dor 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).
(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.
738 Revista Espaola de Financiacin y Contabilidad

siendo v i j , i = 1, - n, j - m, el valor 4. UN EJEMPLO DE APLICACION (14)

que adopta la funcin objetivo i en la so-
lucin j. A) Enunciado
Para cada uno de los objetivos i pode-
mos definir unas probabilidades Pij, j = Una empresa fabricante y comercializa-
= 1, --- m, como sigue: dora de dos productos desea obtener el
mejor beneficio de los mismos, a la vez
que conseguir la mayor penetracin co-
mercial en el mercado.
Vij El beneficio neto que puede conseguirse
pij = m , i = 1, ..., 11 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
a las cuales se les puede aplicar el concep- producto en comparacin con el primero.
to de antropa como medida del contraste L a direccin de la enpieca no ha hecho
que representan dichas probabilidades. explcitas sus preferencias en cuanto a lo
Por lo tanto, que considera una combinacin satisfacto-
ria de ambos objetivos, y slo desea al-
guna informacin acerca de cul puede ser'
H.= - . PijLn Pij el mejor compromiso entre ellos.
J=1 Por otro lado, se sabe que:

a) L a capacidad de produccin nos im-

dicha entropa es mxima cuando el con- pide obtener ms de 6.000 unidades
traste es nulo, es decir, cuando totales, contando ambos productos.
b) La situacin actual del mercado no
permite vender ms de 4.000 unida-
. . - -1,
p 1.1- ,V j des del segundo producto.
c) Las horas de trabajo disponibles para
Y la fabricacin de ambos productos
Hi = L n m 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 inver-
samente proporcionales a la entropa que
hemos calculado para cada uno de ellos, (14) Una aplicacin al anlisis de inversiones pue-
teniendo en cuenta, si procede, pondera- deCAPLIN,
verse en:
D.; KORNBLUTH, J. S. H.: ((Multiob-
ciones 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.
Con el fin de entender mejor todo lo El ejemplo que ahora proponemos ha sido emplea-
expuesto hasta ahora que dedicaremos el do como material de trabajo para la asignatura <<An-
lisis 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, Ca-
pretendido en el trabajo. tedrtico de Economa de la Empresa.
F. J. Valero Lpez: La programacin lineal multicriterio 739
B) Solucin Entonces, siguiendo el algoritmo pro-
puesto por Belenson y Kapur, procedemos
A la vista del enunciado, el planteamien- Cde la siguiente manera:
to del programa multicriterio implicado
quedara como sigue: a) Resolveremos un programa lineal pa-
ra cada una de las funciones objetivo con-
sideradas, a la vez que evaluamos las
restantes.
Debido a la dimensin de nuestro pro-
sujeto a: blema, acudimos al procedimiento grfico,
x, + x2 < 6.000 obteniendo estos resultados:
x2 < 4.000
1,25 x, + 2x2 10.000
Xl, x2 2 o
740 Revista Espaola de Financiacin y Contabilidad

Es decir, adems del origen, tenemos los mx. fila

siguientes vrtices en la regin factible:
El ptimo del primer objetivo se eacuen-
tra en el punto D, donde:
36.000
6.000 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
En cuanto al segndo objetivo, su ptimo 0,6
se alcanza en el vrtice B siendo 5i8 1
d) El juego anterior se resuelve median-
f; = 9.600 te el siguiente programa lineal:
Y fl = 36.000 mx v

b) Con los resultados anteriores forma-

mos una matriz de pagos de un iuego de
suma nula, siendo los jugadoreslas dis- PI + p2 = 1
tintas funciones objetivo, por un lado, y
los puntos ptimos que corresponden a P1,PZ >o
cada una de ellas, por otro. Es decir: La solucin grfica del mismo es:
F. J. Valero Lpez: La programacin lineal multicriterio 741

e) Las anteriores probabilidades podran mando como punto de referencia la solu-

ser los pesos atribuibles a cada funcin cin ideal recogida en la matriz de pti-
objetivo si no hubiramos normalizado las mos individualizados de nuestro problema.
entradas de la matriz de pagos. Con objeto Es decir, trataremos de hacer
de hacer referir dichos pesos a las funcio-
nes objetivo originales, d e k m o s dividir mn W; Y; + W; Y;
dichas probabilidades por los mximos co-
rrespondientes. Es decir, sujeto a:

adems de las restricciones originales y las

condiciones de no negativiaad de

f) Esto., ltimos pesos, para ser defini- Y; e YS (15).

tivs deben sumar'l, por- ello hacemos:
W i y W; deberan escogerse de acuerdo
con la importancia y magnitud de cada uno
15131 de los objetivos. Puesto que de la primera
60.000 no disponemos de informacin alguna, po-
h: = = 0,13
4
15/31 - 16/31 demos hacer

con objeto de tener en cuenta la diferencia

g) Con estos pesos formamos la funcin dimensionalidad de cada objetivo. Si multi-
objetivo compuesta: plicamos ambos pesos por cualquier nme-
ro positivo, la solucin del problema segui-

(15) Obsrvese que ste podra ser un mtodo,

simple y sencillo por lo dems, de exploracin inte-
cuyo ptimo se encuentra en el punto C, ligente del conjunto desoluciones eficientes, buscan-
siendo: do aquella que sea ms cercana a la solucin ideal)),
siendo la distancia una suma ponderada de ks desvia-
ciones a la misma.
f " = 13.753.3 Por definicin de la solucin ideal, tales desvia-
ciones lo sern siempre por debajo, de ah que no
f , = 43.333,3 aparezcan en nuestra formulacin las variables supe-
rvit tpicas de la programacin por objetivos. Debido
f, = 9.333,3 a este hecho, siempre podremos despejar las varia-
bles dficit de sus igualdades respectivas y sustiruir-
las en la funcin objetivo, desapareciendo, entonces,
Otra va de solucin podra seguirse me- toda notacin especfica de la programacin por ob-
diante la programacin por objetivos, to- jetivos.
742 Revista Espaola de Financiacin y Contabilidad
r siendo la misma, por 10 que, para mayor Utilizando estos pesos la solucin que se
comodidad, hacemos obtiene se encuentra tambin en el punto
C, donde:
60.000
Wy = = 1
60.000 Y; = 16.666,6