Optimización

Multiobjetivo;
una
introducción

E. Uresti

Introducción

Definición

Representación Optimización Multiobjetivo;

Dominancia

Pareto
una introducción
Aproximación

Estrategias
de los
E. Uresti
Coeficientes
de las
Restricciones
Goal
Programming
Optimización
Multiobjetivo;
una
introducción

E. Uresti

Introducción

Definición Introducción
Representación Se puede decir que la verdadera optimización es optimización
Dominancia multiobjetivo: los problemas reales en general involucran más
Pareto
de un objetivo a la vez. Considere por ejemplo el problema de
Aproximación
diseñar un dispositivo electrónico. Por un lado deseamos
Estrategias
de los maximizar el desempeño, por otro lado se desea minimizar el
Coeficientes
de las
Restricciones
costo de manufacturarlo. También uno puede pensar en buscar
Goal
Programming
un diseño donde se minimice el tiempo medio entre fallas.
Optimización
Multiobjetivo;
una
introducción

E. Uresti Definición
Dado que un problema de maximización puede ser convertido
Introducción
fácilmente en uno de minimización, podemos dar la siguiente
Definición

Representación
definición:
Dominancia Dado un conjunto de variables x = (x1 , x2 , . . . , xm ) de
Pareto cierta naturaleza tales que deben complir un conjunto
Aproximación de restricciones que se formulan mediante la
Estrategias pertenencia a un conjunto D y dadas funciones f1 ,
f2 ,. . . ,fn definidas sobre D y de valor real, el
de los
Coeficientes
de las
Restricciones
Goal
problema multiobjetivo asociado a D y a f se define
Programming
como el problema de minimizar f = (f1 , . . . , fn ):

min f(x)
x∈D
Optimización
Multiobjetivo;
Representación
una
introducción
Optimización Clásica: Optimizar
E. Uresti

Introducción

Definición

Representación

Dominancia Optimización Multiobjetivo: Optimizar simultáneamente:

Pareto

Aproximación

Estrategias
de los
Coeficientes
de las
Restricciones
Goal
Programming
Representación alterna:
Espacio búsqueda Espacio de Evaluaciones
Optimización
Multiobjetivo;
una
introducción

E. Uresti
Dominancia
Introducción
Diremos que el punto x ∈ D domina de acuerdo a f al punto
y ∈ D, si ocurre lo siguiente:
Definición

Representación

Dominancia
∀j ∈ {1, . . . , m}, fj (x) ≤ fj (y)
Pareto
y
Aproximación
∃jo ∈ {1, . . . , m}, fjo (x) < fjo (y)
Estrategias
de los
Coeficientes
de las esto lo simbolizaremos como:
Restricciones
Goal
Programming
x ≺f y

Orden total vs Conjunto con orden parcial

Optimización
Multiobjetivo;
una
introducción

E. Uresti

Introducción

Definición

Representación
¿Qué se busca en un problema multiobjetivo?
Dominancia Se busca el frente de Pareto, o conjunto de puntos del espacio
Pareto de búsqueda que no son dominados:
Aproximación

Estrategias PD,f = {x ∈ D |@y ∈ D, y ≺f x }

de los
Coeficientes
de las
Restricciones ¿Pareto?
Goal
Programming
Optimización
Multiobjetivo;
una Ejemplo
introducción

E. Uresti

Introducción

Definición

Representación

Dominancia

Pareto

Aproximación

Estrategias
de los
Coeficientes
de las
Restricciones
Goal
Programming

Ejemplo 1; Ejemplo 2, vista local; Ejemplo 3, vista global;

Ejemplo 3, vista local; Ejemplo 4, vista local;
Optimización
Multiobjetivo;
una
introducción

E. Uresti
¿A qué se aspira en términos reales?
Introducción
A encontrar . . .
Definición

Representación
• un punto en el frente de Pareto.
Dominancia • un conjunto de puntos en el frente de Pareto.
Pareto
• un punto cercano al frente de Pareto y en D.
Aproximación

Estrategias
• un conjunto de puntos cercano al frente de Pareto y en D.
de los
Coeficientes • un conjunto de puntos cercano al frente de Pareto, que
estén D y que estén adecuadamente distribuidos.
de las
Restricciones
Goal
Programming
Si interesa un conjunto de puntos, parece ser adecuado utilizar
una estrategia que se base en muestrear D mediante un
conjunto de puntos. Aquı́ aparencen las estrategias evolutivas.
Optimización
Multiobjetivo;
una
introducción
Método de los coeficientes de peso
E. Uresti

Introducción

Definición Suponga que se desea minimizar f = (f1 , . . . , fn ):

Representación

Dominancia min f(x)

x∈D
Pareto

Aproximación el método consiste en escoger coeficientes no negativos αi y

Estrategias minimizar la función de valor real
de los
Coeficientes
de las
Restricciones
Goal
min fα (x) = α1 · f1 (x) + α2 · f2 (x) + · · · + αn · fn (x)
Programming
x∈D

Es decir, se define una relación de valor entre los objetivos

(piense por ejemplo en que si α1 = 1 y α2 = 0.5 el costo del
primer objetivo es el doble del costo en el segundo).
Optimización
Multiobjetivo;
una
introducción

E. Uresti El método de los coeficientes de peso . . .

Introducción • Transforma el problema multiobjetivo en un problema de
Definición optimización tradicional. Es decir, por un lado pierde su
Representación
esencia y por otro lado se simplifica (se vuelve soluble por
Dominancia
los métodos tradicionales).
Pareto
• Entrega un sólo punto; y no un conjunto de puntos como
Aproximación

Estrategias
esperamos.
de los
Coeficientes • No hay garantı́a de que el punto esté en el frente.
de las
Restricciones
Goal • Se vuelve un método sensible a la selección de los
Programming
coeficientes de peso; el problema debe ser muy conocido
por el usuario para dar una selección de valores que lleve a
una solución razonable.
Optimización
Multiobjetivo;
una
introducción
Método de las restricciones
E. Uresti Suponga que para f = (f1 , . . . , fn ) se desea:
Introducción

Definición
min f(x)
x∈D
Representación

Dominancia el método consiste en escoger una componente de f, fio , a

Pareto optimizar y escoger valores especificos para los objetivos
Aproximación restantes vi y posteriormente minimizar la función
Estrategias
de los
Coeficientes min fio (x)
de las x∈S
Restricciones
Goal
Programming
donde  
\
S =D ∩ fi (x) ≤ vi 
i6=io

Es decir, se desea minimizar el objetivo io no empeorando cada

uno de los objetivos restantes más allá de los valores
correspondientes vi .
Optimización
Multiobjetivo;
una
introducción

E. Uresti

Introducción

Definición El método de las restricciones . . .

Representación • Transforma el problema multiobjetivo en un problema de
Dominancia
optimización tradicional.
Pareto

Aproximación
• Entrega un sólo punto que está en el frente de pareto.
Estrategias • Requiere una exploración del espacio de soluciones de
de los
Coeficientes manera que los valores propuestos vi no conduzcan a un
de las
Restricciones
Goal
conjunto S vacı́o.
Programming
Optimización
Multiobjetivo;
una
introducción
Programación por metas
E. Uresti Suponga que para f = (f1 , . . . , fn ) se desea:
Introducción
min f(x)
Definición x∈D
Representación

Dominancia el método consiste establecer una meta en el espacio de

Pareto búsqueda fo = (f1o , f2o , . . . , fno ), y definir variables que midan la
Aproximación diferencia de la evaluación de un punto cualquiera al punto
Estrategias meta. Se definen dos variables por cada objetivo: una para
medir si excede dip y otra para medir si está por abajo din ; el
de los
Coeficientes
de las
Restricciones
Goal
problema consiste en minimiza la discrepacia total a la meta
Programming

m
dip + din
X

min
x∈S
i=1

m m
! !
fi (x) − fi 0 = dip − di dip ≥ 0 ∩ din ≥ 0
\ \
S = D∩ n



∩
i=1 i=1
Optimización
Multiobjetivo;
una
introducción

E. Uresti

Introducción El método de la programación por metas . . .

Definición
• Transforma el problema multiobjetivo en un problema de
Representación
optimización tradicional. Si el problema original es un PL
Dominancia
el nuevo problema transformado también lo es
Pareto

Aproximación • Entrega un sólo punto que está en el frente de pareto, si la

Estrategias meta elegida no está en el rango de las evaluaciones;
de los
Coeficientes Requiere una exploración del espacio de soluciones.
de las
Restricciones
Goal • Establece una relación de igual valor entre los objetivos al
Programming
equiparar una distancia entre ellos.