PROGRAMACIN LINEAL MULTIOBJETIVOS INTRODUCCIN Los modelos de programacin lineal se basan en la optimizacin de una sola funcin objetivo.

Existen casos en donde lo ms adecuado es tener varios objetivos (posiblemente opuestos), es decir varias funciones objetivo. En tales casos ser imposible encontrar una solucin nica que optimice las funciones objetivos. En lugar de ello se podr buscar una solucin intermedia, o de compromiso basada en la importancia relativa de cada objetivo. La programacin lineal multiobjetivos es usada para resolver modelos con varias funciones objetivo. DEFINICIN Es tambin llamada Programacin de Metas. La idea principal consiste en convertir las diversas funciones objetivos originales en una sola meta o funcin objetivo. El modelo resultante produce lo que se suele llamar solucin eficiente, porque podr no ser ptima con respecto a todas las funciones objetivos que presente el problema. Esta solucin tratara de satisfacer en lo posible con todas las funciones objetivos presentes. MTODOS DE RESOLUCIN Existen 2 mtodos para convertir las funciones objetivos mltiples en una sola funcin objetivo. Mtodo de los factores de ponderacin Mtodo de las jerarquas. MTODO DE LOS FACTORES DE PONDERACIN TERMINOLOGA Gi: funcin objetivo i-sima.

Wi: factor de ponderacin positivos de la funcin objetivo isima. 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 desviacin de la funcin objetivo i-sima.

Xi: variables ya estudiadas. Z: funcin objetivo combinada (deriva de las funciones objetivas mltiples).

PROCEDIMIENTO La forma en que la programacin de metas determina una solucin eficiente es convirtiendo cada desigualdad en una meta flexible, en la que la restriccin correspondiente puede violarse si es necesario. Se introducen las variables no negativas Si+ y Si- , las cuales son llamadas variables de desviacin, porque representan las desviaciones arriba y abajo respecto al lado derecho de la restriccin i . Por definicin las variables Si+ y Si- son dependientes y en consecuencia no pueden ser al mismo tiempo variables bsicas. Esto quiere decir que en una iteracin smplex, cundo menos una de las dos variables de desviacin puede asumir un valor positivo. En esencia la definicin de Si+ y Si- permite satisfacer o violar la i-sima meta cuando se desee. Naturalmente, una buena solucin eficiente trata de minimizar la cantidad por la cual se viola cada meta. Entonces cuando la restriccin sea del tipo >= se colocar Si+ cuando la restriccin sea del tipo <= se colocar Si-. Aplicacin del mtodo de factores de ponderacin. Problema: TopAd es una nueva agencia de publicidad, con 10empleados; ha recibido un contrato para promover un nuevo producto. La agencia puede anunciarlo por radio y por tv. La tabla siguiente contiene datos sobre la cantidad de personas a las que llega cada tipo de anuncio, y sus requisitos de costos y de mano de obra. y

Datos/min de anuncio radio Exposicin(millones de personas) Costo(miles de dlares) Empleados asignados

4

televisin 8 24 2

8 1

El contrato prohbe a TopAd que use ms de 6 minutos en anuncios por radio. Adems, los anuncios por radio y tv deben llegar cuando menos a 45millones de personas. TopAd ha establecido para el proyecto una meta de presupuesto de 100000 dlares. Cuntos minutos de anuncios en radio y tv debe programar TopAd? Resolucin Sean X1y X2 los minutos asignados a los anuncios por radio y tv. La formulacin de programacin de metas para el problema es:

Minimizar G1= S1+ (satisfacer la meta de exposicin) Minimizar G2= S2- (satisfacerla meta de presupuesto)

4 X1 + 8 X2 + S1+ - S1-

= 45

(meta de exposicin) (meta de presupuesto) 10 (lmite de personal)

8 X1 + 24 X2 + S2+ - S2- =100 X1 + 2 X2 X1

<= <=

10
>=

(lmite de radio) 0

X1 ; X2 ; S1+ ; S1- ; S2+ ; S2-

La gerencia de TopAd supone que la meta de exposicin tiene dos veces la importancia de la meta de presupuesto. Entonces, la funcin objetivo combinada se convierte en: Minimizar Z = 2 G1 + G2 = 2 S1+ + S2La solucin ptima (obtenida con TORA) es:

Z=10 X1=5 minutos ; X2 =2.5 minutos ; S1+ =5 millones

Todas las variables restantes son iguales a cero. El hecho de que el valor optimo de Z no sea cero indica que no se cumple con al menos una meta. En forma especfica, S1+ =5 indica que la meta de exposicin (de un mnimo de 45 millones de personas) no se cumple por 5millones de individuos. Al revs, la meta de presupuesto (no excederse de 10000) no se viola, porque S2- = 0. La programacin de metas slo produce una solucin eficiente del problema, que no necesariamente es la ptima. Por ejemplo, la solucin X1=6 y X2= 2 produce la misma exposicin ( 4 x 6 + 8 x 2 = 40 millones de personas) pero cuesta menos (8 x 6 + 214x 2 =96000). En esencia, lo que hace la programacin de metas es determinar una solucin que satisfaga slo las metas del modelo, sin considerar la optimizacin. Esa deficiencia de encontrar una solucin optima causa dudas sobre la viabilidad de la programacin de metas como tcnica de optimizacin.

INVESTIGACIN OPERATIVA I Ciclo: 2011-01

Tema: Programacin multi objetivos (programacin por metas)

Integrantes: Christian Villanueva Zambrano Luis Santivaez Estela Billy Tinoco Bendez David Correa

Profesor (a): Martn Torres Surez

Seccin: S 001

Fecha de presentacin: Viernes 01 de julio de 2011