PROGRAMACIÓN LINEAL MULTIOBJETIVOS

Existen muchas aplicaciones en que el proceso de modelización

matemática conduce a un problema con varios objetivos (multicriterio),
sea de Maximizar o Minimizar, que pueden ser total o parcialmente
conflictivos, de manera que la mejora en cualquiera de ellos puede
empeorar el valor de otros. O sea, la optimización simultánea es
imposible.
Por ejemplo: una organización sanitaria puede querer: El óptimo de Pareto
– Maximizar una medida del bienestar de la población. es aquel punto de
– Minimizar los costos de implantación del servicio. equilibrio en el que
ninguno de los
O bien, una empresa farmacéutica puede querer: agentes involucrado
– Maximizar los beneficios puede mejorar su
– Aumentar cuota de mercado situación sin reducir
– Aumentar la tasa de retorno el bienestar (logro)
– Minimizar el volumen de stocks, etc. de cualquier otro
agente.
El enfoque multiobjetivos, pretende establecer el conjunto de soluciones
eficientes o Pareto óptimas.
 PROGRAMACIÓN LINEAL MULTIOBJETIVOS…
El modelo matemático base, sería:

Dado las metas, se tienen desvíos positivos (+) y negativos (–).

Sea: η = d– y ρ = d+.
 PROGRAMACIÓN LINEAL MULTIOBJETIVOS…
Lo que se hace entonces es:
Min Desvíos No Deseados
s.a. : CX + Desvíos = Metas
AX + Holguras = Restric.
X≥0
Empero, existen desvíos distintos al existir K-Objetivos, más el
objetivo de que se satisfagan las restricciones: AX ≤=≥ b
(rígidas). Por tanto, los desvíos se pueden jerarquizar (priorizar).
Al respecto, se distinguen dos tipo de modelación multiobjetivos:
– Modelo LEXICOGRÁFICO  Jerarquización de Desvíos.
– Modelo DIFUSA  No existe jerarquía = todos son importantes
 PPL MULTIOBJETIVOS LEXICOGRÁFICO
Modelo LEXICOGRAFICO: Conjunto de metas definidas como
una función explícita, tal que:

y la restricción de meta es:

Para nuestro problema de multiobjetivos, si definimos los desvíos:
y , entonces: tal que:
 PPL MULTIOBJETIVOS LEXICOGRÁFICO…

Si las metas se cumplen: 1) ρ i = 0 Λ ηi ≥ 0

2) ρ i ≥ 0 Λ η i = 0
3) ρ i = 0 Λ ηi = 0
Nuestro problema es encontrar un punto X=(X1;X2;…;Xn), tal que:
Lex Min a = {g1 (η , ρ ); g 2 (η , ρ );....; g k (η , ρ )}
s.a. : f i ( X ) + η i − ρ i = bi i = 1;2;...; m
X;η ; ρ ≥ 0 ( f i(X) = ∑ Cij X j )
 PPL MULTIOBJETIVOS LEXICOGRÁFICO…
Construcción del Modelo:
Supuestos:
1) Niveles de aspiración pueden ser asociados a cada objetivo
(todos) y pueden transformarse en “METAS”.
Max C T X → C T X + η − ρ = Meta
2) Toda restricción rígida (metas absolutas) se les asigna prioridad
uno. El resto de las metas debe ser ordenada (jerarquizada) de
acuerdo con su importancia.
AX ≤ b → AX + η − ρ = b
3) Con la excepción de la prioridad uno, todas las metas dentro de
su prioridad, deben ser conmensurables, sea directamente o por
ponderaciones.
 PPL MULTIOBJETIVOS LEXICOGRÁFICO…
Pasos:
1) Desarrollo de un Modelo Base (varios objetivos y restricciones).
2) Especificación de los niveles de aspiración en cada objetivo.
3) Incluir variables de desviación negativa y positiva para cada una
de las restricciones de metas y restricciones rígidas.
4) Ordenar metas según importancia (prioridad). Recordar que
prioridad uno esta reservada a restricciones rígidas.
5) Establecer función objetivo de desvíos jerarquizados.
 PPL MULTIOBJETIVOS LEXICOGRÁFICO…
Ejemplo: Sistema Productivo que produce el producto A y B.
Producto A, retorna $10/u y el producto B, retorna $8/u.
Armar A requiere 3 hrs Tiempo total para ensamblar

Armar B requiere 2 hrs  (normal) es 120 hrs/semana
Si se trabaja sobretiempos, el retorno de A y B se reduce en $1/u.
Debe suministrarse por contrato al cliente un mínimo de 30
unidades a la semana del producto A y B.
Objetivos: 1) Satisfacer al cliente y sólo dispone de 120 hrs/sem.
2) Minimizar Sobretiempos
3) Maximizar Beneficios
 PPL MULTIOBJETIVOS LEXICOGRÁFICO…
Modelando el PL de Múltiples Objetivos Base
X1 : Unidades de A producidas/semana 
 Tiempo Normal
X 2 : Unidades de B producidas/semana 
X 3 : Unidades de A producidas/semana 
 Sobretiempo
X 4 : Unidades de B producidas/semana 

 Min 3 X 3 + 2 X 4 ≤ (m1 = 20)

Objetivos 
Max 10 X 1 + 8 X 2 + 9 X 3 + 7 X 4 ≥ (m2 = 800)
Sujeto a:
 X 1 + X 3 ≥ 30 Producto A

Restricciones  X 2 + X 4 ≥ 30 Producto B
(Rígidas / Limitaciones) 3 X + 2 X ≤ 120
 1 2 Hrs Ensamble
X ≥0 No Negatividad
 PPL MULTIOBJETIVOS LEXICOGRÁFICO…
Modelo Lexicográfico de Múltiples Objetivos:
 SOLUCIÓN DE PPL MULTIOBJETIVOS LEXICOGRÁFICO
Los métodos de solución para PPL Multiobjetivos Lexicográfico son:
– Gráfico (sólo 2 variables decisión)
– Algoritmo Símplex (Programación Lineal Secuencial de Metas – SGLP)

Solución Método Gráfico

Sea el siguiente PPL Multiobjetivos Lexicográfico:
 PROCEDIMIENTO DEL ALGORITMO SÍMPLEX – SGLP

Paso 1: Sea k = 1 (k: nivel de prioridad considerada) k = 1;...; K .

Paso 2: Solo prioridad 1 (k=1)
Min a1 = g1 (η ; ρ )
n
s.a. : ∑C X
j=1
ij j + η i − ρ i = bi ∀ i ∈ P1

X;η ; ρ ≥ 0
Paso 3: Resuelva el problema de un solo objetivo, sea solución
*
a
óptima k (nivel k de prioridad)
ak* óptimo valor de g k (η ; ρ )
Dado que es Min : regla ( Zs − Cs ) ≤ 0 ¡¡Importante!!
Paso 4: Haga k = k + 1 ; si k > K . Ir a Paso 7.
 PROCEDIMIENTO DEL ALGORITMO SÍMPLEX – SGLP…
Paso 5: Establecer el modelo de un solo objetivo (modelo símplex)
para el nivel de prioridad k .
Min ak = g k (η ; ρ )
s.a. : f t ( X ) + η t − ρ t = bt
g s (η ; ρ ) = as* s = 1;...; (k - 1)
X;η ; ρ ≥ 0
t: Set asociado con metas o restricciones incluidas en
prioridades 1; 2;…..; k
Paso 6: Ir a Paso 3.
Paso 7: El vector solución asociado al último modelo de un solo
*
objetivo resuelto, es el X de Programación de Metas.
APLICACIÓN DEL ALGORITMO SGLP AL EJEMPLO

k = 1  P1: Min a1 = ( ρ1 + ρ 2 )
s.a. : 4X1 + 5X 2 + η1 − ρ1 = 80
4X1 + 2X 2 + η 2 − ρ 2 = 48
X;η ; ρ ≥ 0
 APLICACIÓN DEL ALGORITMO SGLP AL EJEMPLO…
Cnb 0 0 1 1 Soluc
Como es Minimizar, si todos los
Cb Vb X1 X2 ρ1 Ρ2 Xb (Zs–Cs)≤0 Sol. es inmejorable
0 η1 4 5 -1 0 80 y como es factible, es óptima.
0 η2 4 2 0 -1 48 a1* = 0 = ρ1* = ρ 2*
(Zs – Cs) 0 0 -1 -1 0

Regla: Dado que la función objetivo es Minimizar, toda variable

No-Básica que tenga un indicador negativo en la tabla
óptima, debe ser eliminada del problema, ya que la
introducción de tal variable degrada la solución SGLP.
Por tanto, se eliminan las columnas de ρ1 y ρ2. Para resolver
siguiente prioridad en análisis, aplique conocimientos de Análisis
de Sensibilidad visto con anterioridad.
 APLICACIÓN DEL ALGORITMO SGLP AL EJEMPLO…
k = 2  P2: Min a2 = η 3
s.a. : 4X1 + 5X 2 + η1 − ρ1 = 80
4X1 + 2X 2 + η 2 − ρ 2 = 48
80 X 1 + 100 X 2 + η 3 − ρ 3 = 800
ρ1 + ρ 2 = a1* = 0
X ;η ; ρ ≥ 0
Cnb 0 0 0 Soluc Cnb 0 1 0 Soluc
Cb Vb X1 X2 ρ3 Xb Cb Vb X1 η3 ρ3 Xb
0 η1 4 5 0 80 0 η1 0 -0,05 0,05 40
0 η2 4 2 0 48 0 η2 2,4 -0,02 0,02 32
1 η3 80 100 -1 800 0 X2 0,8 0,01 -0,01 8
(Zs – Cs) 80 100 -1 800 (Zs – Cs) 0 -1 0 0
Solución óptima a2 = 0 = η 3 , se elimina columna de η 3 .
* *
 APLICACIÓN DEL ALGORITMO SGLP AL EJEMPLO…
k = 3  P3: Min a3 = ρ 4 Se agrega a tabla final de P2 la ó las
restricciones de meta que pertenecen a P3 (análisis sensibilidad).
O sea X1 + η 4 − ρ 4 = 6 . Como ninguna de estas variables esta en
la base se agrega directamente a la tabla, con η4 básica.

Cnb 0 0 0 Soluc
Cb Vb X1 ρ3 ρ4 Xb
Solución Óptima.
0 η1 0 0,05 0 40
a3* = 0 = ρ 4*
0 η2 2,4 0,02 0 32
0 X2 0,8 -0,01 0 8
0 η4 1 0 -1 6
(Zs – Cs) 0 0 -1 0
 APLICACIÓN DEL ALGORITMO SGLP AL EJEMPLO…
k = 4  P4: Min a4 = ρ 5 Se agrega a tabla final de P3 la ó las
restricciones de meta que pertenecen a P4 (análisis sensibilidad).
O sea X 1 + X 2 + η 5 − ρ 5 = 7 . Como X2 esta en la base, se
reemplaza en función de las variables No-Básicas, resultando:
0,2 X 1 + 0,01ρ 3 + η 5 − ρ 5 = −1 ó − 0,2 X 1 − 0,01ρ 3 − η 5 + ρ 5 = 1 .
Se agrega esta restricción a la tabla, con ρ5 básica.
Cnb 0 0 0 Soluc
Cb Vb X1 ρ3 η5 Xb
0 η1 0 0,05 0 40 Solución Óptima.
0 η2 2,4 0,02 0 32 a4* = 1 = ρ 5*
0 X2 0,8 -0,01 0 8 → a* = (0;0;0;1)
0 η4 1 0 0 6
1 ρ5 -0,2 -0,01 -1 1
(Zs – Cs) -0,2 -0,01 -1 1
 APLICACIÓN DEL ALGORITMO SGLP AL EJEMPLO…
Como era la ultima prioridad en análisis, se lee solución óptima
del problema de múltiples objetivos y se interpreta.
Se tiene: X 1* = 0 η1* = 40 ρ1* =0
X 2* = 8 η 2* = 32 ρ 2* =0
Z1* = 800 η3* =0 ρ3* =0
Z 2* = 0 η 4* =6 ρ 4* =0
Z 3* = 8 η5* =0 ρ5* =1
1º Objetivo, se cumple exactamente (Meta =800)
2º Objetivo, se cumple mejor de los esperado en 6 unid. (Meta =6)
3º Objetivo, no se cumple en 1 unid. (Meta =7)
• Solución única pues (Zs–Cs)<0 (Objetivo Minimizar)
• Solución No Degenerada, pues Xbi>0
• 1º y 2º Recursos son ociosos en 40 y 32 unid. respectivamente.
PARA EL CASO: PRODUCCIÓN CON SOBRETIEMPO
MODELADO COMO PPL MULTIOBJETIVOS
LEXICOGRÁFICO
Continuación…
Aplicando Algoritmo Símplex de Programación Lineal Secuencial
de Metas (SGLP), se obtienen los siguientes resultados:
Se tiene: X 1* = 20 η1* = 0 ρ1* = 0
X 2* = 30 η 2* = 0 ρ 2* = 0
X 3* = 10 η3* = 0 ρ3* = 0
X 4* = 0 η 4* = 0 ρ 4* = 10
Z1* = 30 η 5* = 270 ρ 5* = 0
Z 2* = 530 a * = (0;10;270 )
1º Objetivo, no se cumple en 10 unidades (Meta =20)
2º Objetivo, no se cumple en 270 unidades (Meta =800)
• Solución única pues (Zs–Cs)<0 (Objetivo Minimizar)
• Solución No Degenerada, pues Xbi>0
• 1º; 2º y 3º restricción son activas, o sea, se cumplen en el limite,
conceptualmente los recursos son escasos.
PROGRAMACIÓN LINEAL MULTIOBJETIVOS DIFUSA
Modelo Difusa (FUZZY) de Múltiples Objetivos
Max → Z k ≥ U k O sea f k ( X ) ≥ U k (meta)
s.a. : AX ≤ b
X≥0
Si fuese Min ( Z k ) → Max (− Z k )
Donde: Uk = El mejor nivel de logro para Objetivo k-ésimo
Lk = El peor nivel de logro para Objetivo k-ésimo
Entonces: dk = Uk – Lk = Rango de logro Objetivo k-ésimo
Usando variable ficticia (dummy) λ  El Modelo DIFUSA
Tal que: Min λ
 U k − Zk  → Zk + λ ⋅ dk ≥ U k
s.a. : λ ≥   ∀k
 dk 
AX ≤ b
X ;λ ≥ 0
PROGRAMACIÓN LINEAL MULTIOBJETIVOS DIFUSA…
Para determinar Uk y Lk, siga el siguiente procedimiento:
Paso 1: Resuelva PPL usando una sola función objetivo cada vez
Paso 2: De los resultados del Paso 1, determine los valores de
cada objetivo y cada solución derivada correspondiente.
Paso 3: De cada Paso 2, encontraremos para cada objetivo el
mejor (U) y el peor (L) valor del conjunto de soluciones.
Ej.: Max Z1 = 2 X 1 + X 2
Max Z 2 = − X 1 + 2 X 2
s.a. : - X 1 + 3 X 2 ≤ 21
X 1 + 3 X 2 ≤ 24
4 X 1 + 3 X 2 ≤ 45
3 X 1 + X 2 ≤ 30
X 1; X 2 ≥ 0
PROGRAMACIÓN LINEAL MULTIOBJETIVOS DIFUSA…
Tal que: Max Z  Z1 = 21  Z 2 = 14
* *
1 Max Z 2
 * 
s.a. : AX ≤ b  X 1 = 9 s.a. : AX ≤ b  X 1* = 0
X ≥ 0  X 2* = 3 X ≥ 0  X 2* = 7
Como son dos conjuntos soluciones:
Z1 (9;3) = 21 → U1 Z 2 (0;7) = 14 → U 2
Z1 (0;7) = 7 → L1 Z 2 (9;3) = −3 → L2
d1 = 14 d 2 = 17
PROGRAMACIÓN LINEAL MULTIOBJETIVOS DIFUSA…
Modelo Difusa de Múltiples Objetivos para el Ejemplo:
Max → Z1 ≥ U1 ó 2 X 1 + X 2 ≥ 21  Min λ
Max → Z 2 ≥ U 2 ó − X 1 + 2 X 2 ≥ 14 s.a. : 2 X 1 + X 2 + 14λ ≥ 21
s.a. : - X 1 + 3 X 2 ≤ 21  − X 1 + 2X 2 + 17λ ≥ 14

X 1 + 3 X 2 ≤ 24  − X 1 + 3 X 2 ≤ 21
4 X 1 + 3 X 2 ≤ 45 
 X 1 + 3 X 2 ≤ 24
3 X 1 + X 2 ≤ 30  4 X 1 + 3 X 2 ≤ 45

X 1; X 2 ≥ 0  4 X 1 + X 2 ≤ 30
X1; X 2 ; λ ≥ 0
Aplicando Algoritmo Símplex, se tiene:
X 1* = 4,82 Z1* = 16,03 λ* = 0,35
X 2* = 6,39 Z 2* = 7,96