UNIVERSIDAD NACIONAL SANTIAGO ANTNEZ DE MAYOLO

FACULTAD DE ECONOMA Y CONTABILIDAD

ESCUELA PROFESIONAL DE CONTABILIDAD

PROGRAMACIN LINEAL MULTIOBJETIVO COMO HERRAMIENTA PARA

LA TOMA DE DECISIONES EN LA EMPRESA MINERA BARRICK
MISQUICHILCA - MINA PIERINA

AUTORES
HIDALGO LEANDRO ORLANDO SATURNINO
VARGAS SANCHEZ EDWIN EDUARDO

HUARAZ PER
2016

NDICE
INTRODUCCIN....................................................................................................4
OBJETIVO..............................................................................................................5
Objetivo General..................................................................................................5
Objetivos especficos...........................................................................................5
1. DATOS GENERALES DE LA EMPRESA........................................................7
1.1.

Respecto a la Entidad Emisora Minera Barrick Misquichilca.................7

1.2.

Descripcin de las Operaciones y Desarrollo...........................................9

1.2.1.

Respecto a la Entidad Emisora..........................................................9

2. MARCO DE REFERENCIA............................................................................15
2.1.

Problemtica............................................................................................15

2.2.

Elementos que conforman la programacin multiobjetivo......................17

2.2.1.

Ubicacin de la programacin multiobjetivo.....................................18

2.3. Antecedentes histricos y desarrollo de la programacin lineal

multiobjetivo.......................................................................................................19
2.3.1.

Contribuciones a la programacin multiobjetivo...............................22

3. FUNDAMENTOS TERICOS DE PROGRAMACIN LINEAL

MULTIOBJETIVO..................................................................................................25
3.1.

Relaciones de preferencia.......................................................................25

3.2.

Modelo general de programacin lineal multiobjetivo.............................26

3.3.

Espacios de bsqueda............................................................................27

3.4.

Concepto de ptimo................................................................................27

3.5.

Toma de decisiones.................................................................................28

3.5.1.

Decisiones multicriterio.....................................................................29

4. MTODOS PARA RESOLVER PROBLEMAS DE PROGRAMACIN

LINEAL MULTIOBJETIVO....................................................................................32
4.1.

Aproximacin del conjunto de soluciones eficientes...............................32

4.2.

Mtodos exactos.....................................................................................33

4.2.1.

Mtodo grfico..................................................................................33

4.2.2.

Mtodos de escalamiento.................................................................36

4.2.3.

Mtodo de programacin por metas.................................................37

4.2.4.

Mtodo simplex multiobjetivo............................................................38

4.3.

Mtodos heursticos y tcnicas de simulacin........................................39

2

4.4.

Diferencia entre los mtodos de programacin lineal multiobjetivo........40

BIBLIOGRAFA.....................................................................................................42

INTRODUCCIN
Existen diversas caractersticas difciles de combinar de algunos problemas de
optimizacin con un objetivo, como la rentabilidad, riesgo en las inversiones,
beneficio a corto plazo, crecimiento de la empresa a largo plazo, costos,
calidad de los servicios, etc. Esto puede llegar a crear conflictos entre los
diversos objetivos del problema, debido a que al intentar mejorar alguno de
ellos puede haber un deterioro en otros; de igual manera los mtodos clsicos
de programacin matemtica no pueden garantizar que la solucin obtenida
sea ptima, ya que resultan ser poco eficientes y en algunos casos inoperables
para un determinado problema.
Todos los problemas que tienen ms de un objetivo, son llamados problemas
de programacin multiobjetivo, de optimizacin multicriterio, etc. y se formulan
encontrando las variables de decisin que satisfagan las restricciones y
optimice un vector de funciones cuyas componentes son las funciones objetivo
del problema. Existen adems mtodos de solucin para resolver este tipo de
problemas basados en generar el conjunto de soluciones eficientes, conocido
tambin como conjunto de Pareto; este conjunto contiene todos los puntos que
no son superados en todos los objetivos por otra solucin. Por tanto el trmino
optimizacin de problemas con ms de un objetivo, significa encontrar una
solucin la cual dara los valores de todas las funciones objetivo aceptable para
poder tomar una buena decisin y resolver el problema.
Motivo por el cual este trabajo se centra en estudiar y analizar la programacin
lineal multiobjetivo, el cual puede servir como herramienta para la toma de
decisiones de la EMPRESA MINERA BARRICK MISQUICHILCA - MINA
PIERINA.

OBJETIVO
Objetivo General
El propsito es analizar, estudiar y mostrar los conceptos de programacin
lineal multiobjetivo, algunos mtodos de solucin para resolver problemas con
ms de un objetivo, donde existen diversos puntos de vista que deben ser
tomados en cuenta.
As mismo, se pretende que funcione como herramienta para la toma de
decisiones en la EMPRESA MINERA BARRICK MISQUICHILCA - MINA
PIERINA; a fin de mostrar las herramientas y ventajas que se obtienen al
utilizar la programacin lineal multiobjetivo para resolver problemas con ms de
un objetivo.

Objetivos especficos
Para alcanzar el objetivo general, se tocan diversos objetivos especficos en
cada uno de los cinco captulos que conforma el trabajo, los cuales se
describen a continuacin:
a) En el primer captulo se describen los datos generales de la Empresa
Minera Barrick Misquichilca - Mina Pierina, la cual est ubicada en la
Cordillera de los Andes en el Departamento de Ancash en el centro
norte de Per, a una distancia aproximada de 10 kilmetros al noroeste
de la ciudad de Huaraz y a una altura de 4,100 metros sobre el nivel del
mar.
b) En el segundo captulo se muestran las dificultades que se llegan a
presentar al tratar de resolver problemas de programacin lineal
multiobjetivo,

algunos

conceptos

importantes,

las

tcnicas

de

programacin multiobjetivo, comentando sus orgenes y aportaciones

que se han hecho para resolver este tipo de problemas en las diferentes
reas de la investigacin de operaciones.
c) El tercer captulo est destinado a describir los conceptos fundamentales
de la programacin lineal multiobjetivo, donde se expone la estructura
general del modelo multiobjetivo, conceptos tericos matemticos e
5

importantes; as tambin se revisa un poco de la teora de decisiones,

que resulta til al resolver problemas con ms de un objetivo.
d) La finalidad del cuarto captulo es estudiar algunos mtodos y tcnicas
para resolver problemas de programacin lineal multiobjetivo y mostrar
las diferencias entre ellos.

1. DATOS GENERALES DE LA EMPRESA

1.1.

Respecto a la Entidad Emisora Minera Barrick Misquichilca

a. Denominacin Social y Domicilio
Minera Barrick Misquichilca S.A. (MBM) es una sociedad debidamente
constituida y existente de conformidad con las leyes de la Repblica del Per.
Las oficinas administrativas de MBM se encuentran en Av. Manuel Olgun 375
piso 11, Surco - Lima 33 - Per. Su nmero de telfono es (511) 6124100 y su nmero de fax (511) 612-4110.
b.

Constitucin e Inscripcin en los Registros

Pblicos
MBM se constituy en Lima mediante Escritura Pblica de fecha 18 de
enero de 1994, suscrita ante el Notario Pblico de Lima Ricardo Fernandini
Barreda y se encuentra inscrita en el Asiento No. 1 de la Ficha No.
040062 del Registro de Sociedades de Lima.
Los estatutos de MBM han sido modificados varias veces desde su
constitucin. La empresa ha cumplido con adecuar sus estatutos a las
disposiciones contenidas en la Ley General de Sociedades, Ley No. 26887,
que entr en vigencia el 1 de enero de 1998.

Dicha adecuacin fue

formalizada mediante Escritura Pblica de fecha 11 de diciembre de 1998,

suscrita ante el Notario Pblico de Lima, Julio Antonio del Pozo Valdez. La
inscripcin de la adecuacin se realiz el 21 de diciembre de 1998, en el
Asiento No. 21 de la Ficha No 040062 del Registro de Sociedades de Lima del
Registro Pblico de Minera.
c. Grupo Econmico
Minera Barrick Misquichilca S.A. forma parte del Grupo Econmico de
Barrick Gold Corporation (BARRICK), una corporacin de Ontario, cuya
oficina principal est en Toronto, Ontario, Canad. MBM es una subsidiaria de
propiedad total indirecta de BARRICK.
7

BARRICK ingres al negocio de minera aurfera en 1983 y es actualmente la

compaa minera de oro ms grande en el mundo en trminos de produccin y
reservas.
BARRICK es una compaa internacional lder en minera de oro, con una
cartera de minas en operacin y proyectos de desarrollo ubicados en los
Estados Unidos, Canad, Australia, Per, Chile, Argentina, Sudfrica, Papua
Nueva Guinea y Tanzania. Asimismo, BARRICK tambin explora activamente
a nivel mundial.
BARRICK cuenta con dos proyectos de desarrollo importantes: PascuaLama en Chile y Argentina y Pueblo Viejo en la Republica Dominicana.
BARRICK tambin se encuentra explorando activamente varios proyectos
en diversas partes del mundo.
Las acciones de BARRICK se negocian bajo el smbolo ABX en las
Bolsas de Valores de Toronto y Nueva York.
d. Capital Social
El capital social registrado de MBM es S/. 1,297821,751 (Mil doscientos
noventa y siete millones ochocientos veinte un mil setecientos cincuenta y
uno y 00/100 Nuevos Soles), divididos en 1,297821,751 acciones comunes
con un valor nominal de S/. 1.00 cada una, debidamente suscritas y pagadas.
Este capital social se inscribi en el Asiento No. 20 de la Ficha No. 040062
del Registro de Sociedades de Lima del Registro Pblico de Minera.
e. Nmero de Acciones
Actualmente, el capital social de MBM est dividido en 1,297821,751
acciones comunes con un valor nominal de S/. 1.00 cada una, debidamente
suscritas y pagadas.
f.

Estructura Accionaria

El nico accionista titular del 5% o ms del capital social de Minera

Barrick Misquichilca S.A. es: South American Mineral Ventures Limited
98.232760% Nacionalidad: Islas Gran Caimn Grupo Econmico: Barrick Gold
Corporation.

g. Composicin Accionaria

1.2.

Descripcin de las Operaciones y Desarrollo

1.2.1. Respecto a la Entidad Emisora

a. Objeto Social
El objeto social de MBM es el desarrollo de cualquier tipo de actividad minera,
sin excepciones, incluida la exploracin y explotacin de derechos mineros,
as como la produccin y refinacin, venta y comercializacin de minerales y
metales. MBM inici sus actividades en 1994 como empresa exploradora
dedicada a la exploracin bsica (grassroots). La principal actividad de
MBM corresponde a la Divisin 13, Grupo 132, Clase 1320 de la Clasificacin
Industrial Internacional Uniforme - CIIU.
b.

Plazo de Duracin

De acuerdo al artculo 3 del Estatuto el plazo de duracin es

indeterminado.
c.

Evolucin de las operaciones de la Sociedad:

MBM es una subsidiaria de propiedad total indirecta de Barrick Gold

Corporation, una corporacin de Ontario cuya oficina principal est en
Toronto, Ontario, Canad.
como

El Emisor fue constituido en Per en 1994

una empresa de exploracin para efectuar exploracin bsica

9

(grassroots). En 1996, como resultado de una adquisicin en el extranjero, el

Emisor se fusion con Acuarios Minera y Exploradora y adquiri las
concesiones Irene 1-500 y Pierina, donde posteriormente se desarrollara la
Mina Pierina.
En septiembre del 2000, el Estado peruano celebr un Concurso Pblico
(PRI50-2000) para privatizar las tres concesiones mineras estatales del
Proyecto
Alto Chicama (Derecho Especial del Estado Nos. 1, 2, y 3). MBM obtuvo la
buena pro en la licitacin de las 3 concesiones mineras de Alto Chicama el 15
de enero del 2001, y empez a explorar dicha propiedad en el primer trimestre
del 2001. El 28 de marzo del 2001, MBM suscribi la escritura pblica del
Contrato de Opcin Minera sobre las tres concesiones mineras de Alto
Chicama, de propiedad del Estado peruano. El 2 de diciembre del 2002, MBM
ejerci su opcin de compra sobre las tres concesiones mineras, las cuales
posteriormente han sido acumuladas por MBM en el 2005 en una sola
concesin denominada Acumulacin Alto Chicama. Sobre dicha concesin
se ha desarrollado la Mina Lagunas Norte.
As, MBM posee y opera la Mina Pierina y la Mina Lagunas Norte.

La

Mina Pierina est ubicada en la Cordillera Andina en el Departamento de

Ancash, en la parte nor-central del Per y Lagunas Norte se encuentra en el
Departamento de La Libertad.

La Mina Pierina inici sus operaciones en

noviembre de 1998, y al 31 de diciembre del 2012 Pierina ha producido 7.9

millones de onzas de oro, a un Costo Total Promedio en Efectivo de US$165
por Onza. Por su parte, la Mina Lagunas Norte, actualmente una de las
principales productoras de oro en Sudamrica, inici operaciones en Junio
del 2005 y al 31 de diciembre del 2012 esta mina ha producido 7.3 millones
de onzas de oro a un costo total promedio de US$174 por onza. Lneas
abajo describimos en detalle ambas operaciones mineras.
MBM contina efectuando importantes actividades de exploracin en los
Andes Peruanos. Al 31 de diciembre del 2012, MBM tena aproximadamente
319,379 hectreas en su portafolio de concesiones.
La misin de MBM es ser una empresa minera aurfera lder en el Per,
descubriendo, desarrollando y produciendo reservas de oro de alta calidad en
10

forma rentable y socialmente responsable.

Mina Pierina
Informacin General
La Mina Pierina est ubicada en la Cordillera de los Andes en el
Departamento de Ancash en el centro norte de Per, a una distancia
aproximada de 10 kilmetros al noroeste de la ciudad de Huaraz y a
una altura de 4,100 metros sobre el nivel del mar.

La minera del

yacimiento es de tajo abierto, con camiones y cargadores.

En el 2012, Pierina produjo 110,428 onzas de oro a un costo de caja total de
US$1,202 por onza.

Sobre la base de las reservas existentes de

0.54 millones de onzas y la capacidad de produccin actual, se espera que

la vida de la mina sea de aproximadamente hasta el ao 2018.
Minera y Procesamiento
El mineral es chancado y luego transportado por una faja transportadora a la
zona de la cancha de lixiviacin.

El mineral tal como sale de la mina es

llevado en camiones directamente a la cancha de lixiviacin, la cual es una

cancha clsica de tipo valley-fill. El oro recuperado es fundido en la planta
para obtener barras de dor y stas son enviadas a refineras en el exterior
para ser procesadas hasta obtener el oro en barras.

La energa es

suministrada por una empresa de electricidad a travs de una lnea de

transmisin de 138 kilovatios con capacidad para 50 megavatios, conectada a
la planta generadora de electricidad de Can del Pato con capacidad para
150 megavatios, ubicada a
90 kilmetros de la mina aproximadamente.
Exploracin
Durante el 2012 se ejecutaron 3 proyectos de exploracin:
a) Proyecto Infill Drilling
b) Proyecto Sulfuros

11

c) Proyecto Pierina Este

a) Proyecto Infill Drilling,

taladros ejecutados con fines de re categorizar

los recursos indicados

inferidos

a medidos

(incremento

de

las

reservas). Se realiz 2,225 metros en 13 sondajes con perforacin de

aire reverso. El proyecto se ejecut dentro del Pit de minado actual.
b)

Proyecto Sulfuros, con fines de estudios geo metalrgicos para la

evaluacin en la recuperacin del mineral sulfurado. Se realiz 2,389 metros

en 9 sondajes con perforacin de aire reverso. El proyecto se ejecut en el pit
central.
c)

Proyecto

identificar

Pierina

Este,

taladros

ejecutados

con

fines

de

e incrementar ms recursos minerales a las reservas actuales de

la mina. Se han realizado 1,621.7 metros en 07 sondajes diamantinos. El

proyecto se ubica al Este del pit actual en produccin.
Reservas de Mineral de Oro
Al 31 de diciembre del 2012, las reservas de mineral de oro probadas y
probables totales de MBM eran de 6.4 millones de onzas, y sus recursos de
mineral de oro medidos e indicados totales, 0.9 millones de onzas. Adems,
al 31 de diciembre de 2012 MBM tena 41.6 millones de onzas probadas y
probables de plata contenida dentro de las reservas de oro reportadas.
Las reservas y los recursos presentados han sido calculados al 31 de
diciembre de 2012, de acuerdo con las definiciones establecidas en el
Glosario de Trminos Tcnicos.

Las

reservas

de

2012

han

sido

calculadas utilizando un precio supuesto del oro de US$1500 por onza y un

precio supuesto de la plata de US$28 por onza.
Aunque MBM ha preparado y verificado cuidadosamente las cifras de las
reservas y de los recursos minerales presentados, dichas cifras son
estimadas, y parte de ellas se basan en informacin proyectada, y no se
puede garantizar que se producir el nivel de oro indicado. Vea seccin
Declaraciones sobre el Futuro.

12

Notas a la Tabla de Reservas de Mineral de Oro

(1) Las reservas de mineral han sido calculadas al 31 de diciembre del
2012 utilizando un precio del oro supuesto de US$1500 por onza. Los recursos
de mineral han sido calculados al 31 de diciembre de 2012 utilizando un precio
del oro supuesto de US$1650 por onza.
(2) La recuperacin metalrgica aplicable en cada propiedad y las leyes de
corte utilizadas para determinar las reservas son las siguientes:

13

14

(3) La Ley representa un promedio, ponderado por referencia a las toneladas

del tipo de mineral donde varios procesos de recuperacin son aplicables.
(4) Son los estimados de onzas existentes en las toneladas de mineral que
sera minado y procesado. No se han aplicado las tasas de recuperacin de
molienda al calcular las onzas contenidas.

15

2. MARCO DE REFERENCIA
2.1.

Problemtica
Dentro de la investigacin de operaciones, las tcnicas clsicas han sido
desarrolladas y utilizadas hace tiempo, abordando el estudio general de los
problemas de optimizacin con un slo objetivo y ofreciendo buenos resultados
para determinados problemas negocios, gobierno, economa, ciencias
naturales, sociales, ingenieria etc. Estos problemas se caracterizan por la
necesidad de asignar una cantidad limitada de recursos a una coleccin de
actividades; algunos de ellos de calidad, redes de transporte, anlisis de colas,
horarios de tareas, inversin de capital en seleccin de portafolios, servicios de
salud, administracin, compaas de manufactura, etc.
Muchos de estos problemas que se plantean en la vida real tienen una
estructura lgica
resolverlos,

se

comn,

la

bsqueda

de

la

mejor

solucin.

Para

han desarrollado algunos procedimientos como la

programacin lineal, las tcnicas de simulacin, los mtodos heursticos,

programacin entera, teora de redes, control de inventarios, programacin
dinmica, etc. Algunos de estos mtodos consisten en determinar o elegir el
valor mximo o el mnimo de una funcin, eligiendo sistemticamente los
valores de las variables de decisin, en un espacio de bsqueda determinado
del problema.
Esto puede ser vlido en algunas circunstancias pero insatisfactorio en
otras, cuando es necesario contemplar no slo un objetivo sino ms. A causa
de que su aplicacin en la realidad de estos problemas es ms compleja,
se requiere de visiones integrales de todo el sistema; por lo que pensar en
soportar las decisiones asociadas a estos con base en un objetivo.
Ms an si el proceso de toma de decisiones se realiza en un ambiente
meramente econmico, factores como las caractersticas de riesgo e
incertidumbre, las altas dinmicas de mercados, la volatilidad en los precios y
la presencia de competidores, entre otros, hacen que se requiera de la
consideracin de mltiples objetivos para apoyar adecuadamente cualquier
16

proceso de toma de decisiones. Por tanto resulta ser extremadamente raro

obtener una solucin factible la cual simultneamente optimice todas las
funciones objetivo debido a factores como:
Generalmente la optimizacin de una de las funciones objetivo puede causar
un deterioro en los valores de las otras funciones, de tal forma que optimizar
una funcin implica sacrificar el desempeo de otras.
Debido a que las diversas funciones objetivo entran en conflicto unas con
otras, determinar el nmero de objetivos y la importancia de cada uno de ellos
puede ser bastante complejo; ya que la mayora de las veces no es posible
reducirlos a una sola funcin objetivo.
La programacin lineal tradicional es incapaz de dar respuesta a este tipo de
planteamientos, es decir los mtodos clsicos de programacin lineal estn
enfocados a resolver problemas con un objetivo, y por tanto no son capaces de
resolver este tipo de problemas. Estos inconvenientes, en general, obligan a los
decisores a elegir un slo objetivo para poder resolver el problema, teniendo
como consecuencia cierta rigidez al aplicar la programacin matemtica clsica
a los problemas en la vida real; as tambin los mtodos comunes utilizan una
filosofa diferente en la solucin de los problemas con ms de un objetivo.
Por estas y otras ms razones surge la necesidad de considerar ms de un
objetivo a problemas reales; ya que cuando alguien se enfrenta a un problema,
pocas veces es posible evaluar una situacin y decidir con base a un criterio
nico.
A continuacin se mencionan algunas de las aplicaciones de la optimizacin
con mltiples objetivos:
En una organizacin sanitaria:
-

Maximizar una medida del bienestar de la poblacin.

Minimizar los costos de implantacin del servicio.

En una empresa farmacutica:

-

Maximizar beneficios, aumentar cuota de mercado.

Aumentar la tasa de retorno y Minimizar el volumen de stocks.
17

En la planificacin de una empresa:

-

Maximizar el beneficio empresarial.

Maximizar el volumen de ventas.
Maximizar el rea de mercado y
Minimizar los costos unitarios de fabricacin.

En una refinera:
-

Minimizar costos.
Minimizar el crudo importado.
Minimizar la quema de gases y
Minimizar el alto contenido de azufre en el crudo.

En los problemas de produccin:

-

Maximizar el total de ingresos.

Minimizar el inventario de productos terminados.
Minimizar rdenes atrasadas.

En un problema de transporte:
-

Minimizar costos
Minimizar el consumo de combustible.
Maximizar la produccin mediante un proceso determinado

Portafolios de inversin:
-

2.2.

Maximizar la ganancia los dividendos.

Minimizar el riesgo.

Elementos que conforman la programacin multiobjetivo

Se ha incrementado la necesidad de identificar y considerar simultneamente
diversos objetivos en el anlisis, as como la solucin a problemas con ms de
un objetivo; motivo por el cual un enfoque ms realista y reciente, en las reas
de la investigacin de operaciones, consiste en la optimizacin simultnea de
varias funciones objetivo denominada programacin multiobjetivo.

18

2.2.1. Ubicacin de la programacin multiobjetivo

El rea de problemas con mltiples objetivos o problemas para la Toma
de decisiones multicriterio se suele dividir en dos grandes campos, segn las
caractersticas de los problemas que afronten. El primero es llamado Toma de
decisiones multiatributo, el cual trata con problemas que tienen un nmero finito
de posibles decisiones, entre las cuales el que toma la decisin tiene que
escoger una, dado un numero de criterios. Por otro lado est la Programacin
multiobjetivo, la cual considera problemas de optimizacin con al menos dos
funciones objetivo.

La Programacin Multiobjetivo 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.
Programacin con un objetivo

Programacin con varios objetivos

Encuentra una nica solucin

ptima.

Busca un conjunto de soluciones

eficientes.

Posee slo el espacio de

bsqueda: El espacio de decisin.

Posee dos espacios de bsqueda: el

espacio de decisin y el espacio objetivo.

Son tratados con las tcnicas

clsicas de IDO.

Deben ser tratados con tcnicas de la

optimizacin multiobjetivo

19

En un problema general de programacin multiobjetivo: si las variables

son continuas, las funciones objetivo y las restricciones son lineales
entonces el problema es llamado un problema lineal multiobjetivo; si algunas
funciones objetivo son no lineales y todas las variables son continuas, entonces
es un problema multiobjetivo no lineal continuo; si algunas de las variables
pueden tomar valores discretos, es un problema de programacin multiobjetivo
discreta o entero.
2.3.

Antecedentes

histricos

desarrollo

de

la

programacin

lineal

multiobjetivo
Ha habido un incremento consciente debido a la necesidad de identificar
y considerar simultneamente varios objetivos en el anlisis y solucin de
algunos problemas. En los ltimos 50 aos se han venido estudiando
cuestiones tericas y metodolgicas con respecto al rea de programacin
multiobjetivo, no obstante la investigacin ms fuerte que se ha dado al
respecto sucedi durante los aos 70s y cerca de las 80s.
En 1951 Koopams realiz pruebas con las condiciones necesarias y suficientes
para la eficiencia de los problemas de programacin lineal multiobjetivo. En
este mismo ao Kuhn y Tucker formularon el problema de maximizacin de
vectores.
Klahr en 1958 public un artculo donde expone el marco terico de la
programacin matemtica multiobjetivo, pero sin presentarlo dentro de una
estructura operativa.
El deseo de optimizar simultneamente ms de una funcin objetivo,
motiv el desarrollo de mtodos y algoritmos de programacin multiobjetivo.
Uno de los primeros mtodos multiobjetivo fue la programacin de metas (goal
programming), propuesta por Charnes y Cooper en 1961 para problemas
lineales; durante este mismo ao publicaron un trabajo en el que se presenta
por primera vez un modelo de programacin lineal, en el cual entran en
conflicto una serie de objetivos incluidos como restricciones. As tambin el
mtodo de ponderaciones se le atribuye a Zadech en 1963. De acuerdo con las
caractersticas de los modelos de estudio, se han propuesto distintos
20

algoritmos para generar los conjuntos de soluciones eficientes y dbilmente

eficientes, entre los algoritmos propuestos estn Yu y Zeleny en 1975, Ecker y
Kouda en 1978 y Franklin en 1980.
En 1965 Irij publica un libro donde se presenta de una manera perfeccionada
tanto el marco terico de la programacin

lineal multiobjetivo como la

estructura operativa propuesta por Charnes y Cooper. La aportacin de Ijiri

ha tenido una gran importancia en el aspecto terico as como los problemas
algortmicos relacionados con la resolucin de los programas multiobjetivo.
Esto propici la aparicin de una serie de trabajos en los que se aplica la
metodologa de la programacin por objetivos a la resolucin de algunos
problemas planteados en reas muy diversas de la realidad.
En el ao de 1967 Marglin propuso el mtodo lexicogrfico; en este mismo ao
los modelos con dos criterios fueron por primera vez discutidos por Geoffrion.
En 1968 Charnes, Cooper et al. publicaron dos trabajos en los que se presenta
el problema de la programacin de medios de publicidad como un caso de
programacin por objetivos. En 1969 Mao publica un libro sobre temas
financieros en el que se plantean algunos problemas relacionados con la
planificacin de la estructura financiera de la empresa dentro de un marco
de programacin con objetivos mltiples.
En 1972 hubo un gran impacto en la primera conferencia sobre toma de
decisiones multiobjetivo en la Universidad del Sur de Carolina. El proceso de
esta conferencia fue publicada en 1973 por Cochrane y Zeleny; despus de
esto la actividad en el campo increment tremendamente, donde las miles de
referencias fueron colectadas por Stadler 1984 Lee y Clayton en 1972, y
Schroeder en 1974. Todos ellos aplican la programacin por objetivos a la
planificacin de recursos humanos en centros universitarios. En 1974 Campbell
e Ignizio, en ese ao utilizaron la programacin por objetivos a problemas
relacionados con la planificacin educativa. Teniendo como consecuencia que
en 1972 Sang M. Lee publica el primer libro de texto dedicado al tema de la
programacin por objetivos. En este libro Lee presenta el marco terico de la
programacin por objetivos de una manera mucho ms precisa de lo que
se haba hecho en trabajos anteriores, permitiendo mejorar los aspectos
21

relativos a la formulacin de los modelos; tambin se presenta por primera vez

tanto el mtodo grfico de resolucin de programas multiobjetivo como un
algoritmo simplex modificado y adaptado a estructuras multiobjetivo.
En 1973 Lee y Moore vieron el problema clsico del transporte desde una
ptica de objetivos mltiples. As tambin se vio el trabajo sobre planificacin
de salarios de funcionarios pblicos realizados en 1979 por Fabozzi y Bachner
donde se comparan los resultados obtenidos va programacin lineal clsica
frente a los obtenidos por medio de la programacin por objetivos. En 1980
Ross y Soland publicaron un trabajo donde se estudia el problema de la
localizacin de servicios pblicos con criterios multiobjetivos. Asimismo, por su
inters en el campo de la economa, debemos comentar la traslacin del
problema del racionamiento del capital, propuesto inicialmente por Lorie y
Savage en 1955 y resuelto satisfactoriamente por Weingastner en 1963 por
medio de la programacin lineal entera; al contexto ms realista de la
programacin multiobjetivo. Hawkins y Adams, y de Lee y Lerro, publicaron
ambos artculos relacionados con el tema de programacin multiobjetivo en
1974, Ignizio public en 1976; as como el tratamiento que da Bussey a estos
problemas a nivel de libro de texto.
En 1976, James P. Ignizio publica otro libro dedicado tambin a la
programacin multiobjetivo, presentando claros avances con respecto al libro
de Lee. Desde un punto de vista terico, la principal novedad del libro de
Ignizio consiste en demostrar rigurosamente que las tcnicas clsicas de
programacin matemtica (lineal, cuadrtica, etc.) son casos particulares de la
programacin con mltiples objetivos, cuando hasta entonces en la mayor parte
de la bibliografa se consideraba exactamente lo contrario; es decir, se
presentaba a la programacin multiobjetivo como una particularizacin de la
programacin lineal. Todo, de gran importancia, se desarroll a detalle en
investigaciones posteriores; as tambin se incluye una serie de algoritmos y
programas de computadora que permiten abordar problemas de programacin
con varios objetivos en contextos tanto lineales como no lineales, as como
trabajar con variables enteras, analizar los duales, efectuar anlisis
paramtricos, etc. Este libro proporciona los instrumentos necesarios para
poder utilizar al mximo las tcnicas multiobjetivo.
22

Herner y Snapper en 1978 estudiaron problemas multiobjetivo en sistemas de

informacin. En 1980 Hucker et al. hicieron la extensin a los problemas de
asignacin, Kendall y Lee los problemas de inventarios, en 1981 Re Velle et al.;
Bitran y Lawrence en 1980 estudiaron los problemas de localizacin. Ashton,
Atkins y Spronk en 1981 analizaron problemas microeconmicos. Zionts y
Deshpande en 1981 estudiaron problemas socioeconmicos. Posteriormente
en 1982 Zeleny public un libro sobre la historia de la toma de decisiones
multicriterio; en ese mismo ao Evans et al. analiz los problemas de
capacidad de expansin y Talbot los problemas administracin de negocios.
En 1990 comenz a surgir un gran inters por los problemas enteros
multiobjetivo con estructuras combinatorias particulares; ya que estos pueden
ser formulados como problemas con variables enteras y su estructura
combinatoria (teora de grficas, rboles, rutas, etc.), la cual puede ser
explotada para disear tcnicas ms eficientes para su solucin. Existen
mtodos de optimizacin multiobjetivo los cuales han sido mostrados por
Ballestero y Romero en 1998.
Aproximadamente en el ao el ao 2000 se realizaron temas actuales de
investigacin y otros importantes estudios de varios autores como Deb en
2001; Coello et al. en 2002; Bagchi en 1999, actas de congresos de Fonseca et
al., 2003; Zitzler et al., 2001a y otros numerosos trabajos de investigacin
(archivados y mantenidos de Coello, 2003).
En la actualidad algunos resultados obtenidos en los problemas con
multiobjetivo se han generalizado al caso de aplicaciones definidas entre
espacios de dimensin no finita. As tambin en la actualidad se ha estado
estudiando los problemas de programacin multiobjetivo difusa, de los cuales
existe una gran variedad de publicaciones.
2.3.1. Contribuciones a la programacin multiobjetivo
A lo largo de los aos se ha venido investigando sobre el tema de la
programacin multiobjetivo. Gracias a ello han surgido contribuciones tanto
para poder entender cierto tipo de problemas as como los mtodos de solucin

23

para resolver este tipo de problemas. Esta aportacin se ha dado en los

problemas de programacin lineal, entera, no lineal, etc.
Problemas multiobjetivo lineales
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.
Problemas multiobjetivo discretos
En los problemas discretos todas o algunas de las variables estn restringidas
a valores enteros; para ello se han desarrollado algunos mtodos para resolver
los problemas en el caso discreto. Bitran resuelvi el problema de
programacin lineal entera con cero-uno analizando el conjunto eficiente del
problema maximizacin sin restricciones y usando direcciones de preferencia;
Bitran y Rivera han desarrollado un algoritmo de ramificacin y acotamiento
para un problema parecido al anterior; Kiziltan y Yucaoglu desarrollaron un
mtodo de ramificacin y acotamiento para el problema donde usan mltiples
vectores de cota superior, el cual pueden ser vistos como puntos ideales
locales; Deckro y Winkofsky utilizaron una tcnica similar de cota inferior y un
esquema de numeracin implicita.
Problemas multiobjetivo no lineales
Dentro de los problemas de programacin multiobjetivo se encuentran los
problemas no lineales, tales como problemas con funcin objetivo no lineal y
algunas restricciones lineales, cuadrticos,

polinomiales y funciones

fraccionales. Para este tipo de problemas Nickel y Wiecek propusieron un

enfoque a travs de subproblemas simples, es decir encontrar soluciones
eficientes con conjunto de alta dimensin del mismo para encontrar las
soluciones eficientes del problema original. Goh y Yanf proponsieron un mtodo
para producir una descripcin analtica del conjunto eficiente de la linealidad de
las restricciones cuadrticas convexas. Beato y Moreno han examinado el
conjunto de soluciones dbilmente eficientes del problema cuadrtico con
funcin objetivo convexa. Kostreva, Wiecek y Isac et al. muestraron
24

equivalencias entre el problema complementario

cuadrtico

no

convexo

con

lineal

el

problema

restricciones lineales. As tambin la

generalizacin de los problemas complementarios se le atribuyen a Ebiefung,

Bhatia y Gupta. Kostreva et al. estudi los problemas MO con objetivo
polinomial y restricciones, usando el enfoque de Benson para desarrollar un
mtodo para encontrar las soluciones eficientes. Yu usa tambin un enfoque
lineal complementario a problemas MO con una funcin cuadrtica y varias
funciones lineales.
Problemas multiobjetivo mediante mtodos Heursticos y metaheursticos
Hay que hacer notar que los mtodos de solucin que se han creado no son
slo exactos, sino tambin han surgido mtodo heursticos as como los
metaheursticos para resolver este tipo de problemas. Principalmente los
mtodos heursticos estn desarrollados para resolver problemas cuando las
variables son enteras o bien cuando el problemas resulta ser complejo para
resolver en tiempo y dinero.
En los mtodos heursticos clsicos; Serafini desarroll un algoritmo glotn
basado en ordenes topolgicas y muestra todas las bases eficientes de un
problema con un matroide multiobjetivo puede encontrar; Corley

as como

Lind et al. utilizaron una bsqueda local basada en un cambio de vecindad para
los problemas del rbol de expansin mnima; Warburton da un algoritmo de eaproximacin del conjunto pareto para el problema multiobjetivo de ruta ms
corta; Erlebach et al. desarroll un esquema de una aproximacin en tiempo
polinomial completo para el problema de la mochila; Ehrgott y Gandibleux se
enfocan en combinar heursticos, a partir de cotas inferiores y hacer la
extensin a cotas superiores sobre valores ptimos al caso multiobjetivo
En los mtodos metaheursticos; Ulung utili un prototipo de un mtodo de
recocido simulado. Algunas otras aplicaciones y variaciones, varios autores
tratan el tema como Czyzak, Jaszkiewicz, Engrand, Nam y Park, Park y
Suppapitnarm, Serafini, Ehrgott y Gandibleux.

25

3. FUNDAMENTOS TERICOS DE PROGRAMACIN LINEAL

MULTIOBJETIVO
Un problema de programacin multiobjetivo se distingue por diversas funciones
objetivo sujetas a ciertas restricciones. Si todas las funciones objetivo y las
restricciones son lineales entonces este es un problema de programacin lineal
multiobjetivo. Por tanto se definirn los conceptos tericos.
3.1.

Relaciones de preferencia
Una alternativa se define como: a = (a1 ,.., a p ) A , la cual est disponible
para escoger; es decir, son posibles acciones o soluciones a seleccionar por
aquel que toma la decisin. Es necesario mencionar que al evaluar las
diferentes alternativas, se puede tomar en cuenta uno o varios puntos de vista
fundamentales a partir de los cuales justifica, transforma y argumenta las
preferencias.
Asimismo los atributos se definen como Xi

tal que A= X1xxXp, cuyas

dimensiones representan las alternativas; i. e. son las caractersticas,

cualidades o parmetros de comportamiento de las alternativas, donde cada
atributo es un valor real.
En un problema con mltiples objetivos las alternativas forman el conjunto
donde

que

toma

las

decisiones

debe

elegir.

El

estimado

de

consecuencias de una alternativa es la informacin relevante para la eleccin y

describe lo que se esperara sobre el logro de los objetivos si sta se llevara a
cabo. No obstante conforme incrementa el nmero de objetivos el proceso de
ordenacin se vuelve ms complejo. Entonces se incrementa el papel del
decisor ya que sus aportaciones constituyen un punto valioso para estructurar
el problema, crear y evaluar alternativas, identificar criterios, ajustar las
prioridades y procesar la informacin.

26

3.2.

Modelo general de programacin lineal multiobjetivo

El problema de programacin lineal con un slo objetivo, se plantea mediante
un modelo matemtico donde la funcin objetivo toma valores en y las
restricciones tambin cumplen condiciones de carcter lineal.

Con la funcin objetivo z a optimizar, c un vector rengln de n componentes, A

la matriz de mxn, b un vector columna de m componentes y x el vector rengln
de las variables de decisin con n componentes.
Por otro lado, si ahora la funcin objetivo toma valores en p , considerando
adems las restricciones y las variables del problema de programacin lineal,
se obtiene un problema de programacin lineal con p objetivos.

z consta de p componentes, donde cada una de ellas consta de una funcin

objetivo definida:

El conjunto de restricciones est conformado sobre un espacio vectorial

de dimensin n.

27

En general se pueden tener tres diferentes casos de problemas de optimizacin

multiobjetivo: minimizar todas las funciones objetivo, maximizar todas las
funciones objetivo o minimizar algunas y maximizar otras.
3.3.

Espacios de bsqueda
A diferencia de un problema de programacin lineal con un slo objetivo, en el
PPLMO, la cardinalidad del conjunto ptimo es ms de uno; por tanto las
funciones objetivo constituyen un espacio multidimensional, es decir se tienen
dos espacios de bsqueda: el espacio de decisin, conocido como el conjunto
de soluciones factibles y el espacio que forman las funciones objetivo.
El conjunto de restricciones est conformado, como en el caso monocriterio,
por una regin factible convexa que indica todas las combinaciones de las
variables de decisin que cumplen las restricciones del problema. Este
conjunto convexo, donde los puntos extremos tambin pertenecen al mismo, es
el espacio de decisiones.

3.4.

Concepto de ptimo
El concepto de valor ptimo juega un papel muy importante en los problemas
con un slo objetivo, ya que se trata de encontrar una solucin ptima que
maximice o minimice el valor de la funcin objetivo. No obstante, al considerar
un problema de PLMO, lo ideal sera tomar un elemento x en X tal que este
sea el ptimo del problema simultneamente en cada una de las funciones
objetivo f1,,fp; sin embargo, no se puede aplicar este concepto para
problemas con mltiples objetivos por dos importantes razones: la primera es
porque una solucin que maximice un objetivo en general no maximizar los
objetivos restantes debido a que mejorara el valor de una funcin y empeorar
las otras; la segunda, donde generalmente se da el caso, es cuando los
objetivos estn en conflicto. Por tanto cuando se trata de problemas con
mltiples objetivos, una de las dificultades que se presentan es definir lo que
se entiende por ptimo.
Por tal motivo cuando se tiene ms de una funcin objetivo la nocin de
optimizacin cambia, ya que en este tipo de problemas el objetivo es
28

llegar a un buen compromiso, en lugar de una nica solucin. Es as como el

concepto de ptimo en problemas multiobjetivo fue originalmente propuesta por
Francis Y. Edgeworth en 1891 y generalizada por Vilfredo Pareto en 1896,
llamado conjunto de Pareto, Punto eficiente o bien Soluciones no dominadas.
La finalidad ahora es que en lugar de buscar una solucin ptima se busca un
conjunto de soluciones, las cuales forman un nmero indefinido de soluciones y
cuando esto sucede para reducir este nmero de soluciones, en primer lugar
se procede a desechar aquellas que estn dominadas.
Entonces se necesita crear una balance entre las diversas funciones que estn
en conflicto para llegar a la mejor solucin que tenga sentido. Para ello se
observa que es ms adecuado hablar de una solucin satisfactoria que de una
solucin ptima, ya que la satisfaccin de una meta mltiple implica la
aceptacin de todos los valores de las diferentes funciones objetivo; esto puede
ser visto como un balance entre las diversas funciones objetivo, por ello la
visualizacin y solucin de balancear es un aspecto importante en los
problemas multiobjetivo.
3.5.

Toma de decisiones
Una actividad en la que un individuo o un grupo de individuos se debe
enfrentar, en el trabajo, negocios, escuela, etc., es la toma de decisiones. Es
as como en el campo de la investigacin de operaciones, la toma de
decisiones es considerada importante en la solucin de problemas.
La toma de decisiones se entiende como el proceso mediante el cual un
conjunto de cursos de accin o alternativas se estiman sus consecuencias y
comparan preferencialmente para seleccionar el curso de accin que mejor
convenga. La decisin en cualquier nivel se puede ejercer por un solo individuo
o un grupo de ellos.
El proceso de decisin es el que requiere un slo conjunto de decisiones o una
secuencia de decisiones para su conclusin. Cada decisin permitida tiene una
ganancia o prdida asociada, la cual se determina conjuntamente a partir de
circunstancias externas que rodean al proceso, caracterstica que distingue a
estos procesos.
29

3.5.1. Decisiones multicriterio

A finales de los 60s, los problemas en investigacin de operaciones
frecuentemente eran estructurados considerando un conjunto bien definido de
alternativas, cuyas preferencias se elegan mediante un criterio y la
comparacin entre alternativas se realizaba con base en las evaluaciones de
stas en el criterio.
Se consideraban dos casos, el determinstico y el probabilstico, adems se
contaba con un problema matemtico bien definido. En este enfoque
monocriterio, el problema de decisin era equivalente a un problema de
optimizacin; posterior a este tipo de enfoque se considera la toma de
decisiones multicriterio. Por tanto cuando se trata de problemas con mltiples
objetivos de un problema, el conjunto de soluciones posibles a implantar suele
ser complicado por lo que resulta necesario ordenarlas de acuerdo a una
determinada estructura de preferencias. Esto se logra a travs de la
comunicacin entre el analista y aquel que toma la decisin.
Algunas de las tcnicas para resolver este tipo de problemas interaccionan con
el decisor al inicio del proceso, mientras que otras se basan en un proceso que
va adquiriendo mayor conocimiento conforme se va avanzando.
Otro concepto importante es la tasa de intercambio, conocida tambin como
trade- off entre criterios. Esto significa la cantidad de logro de un objetivo que
debe sacrificarse para conseguir a cambio un incremento unitario en el otro
objetivo. Las tasas de intercambio tienen un doble inters: por un lado
constituyen un buen indicie para medir el costo de oportunidad de un criterio en
trminos de los otros que se estn considerando, por otro lado el concepto de
tasa de crecimiento juega un papel crucial en el desarrollo de los mtodos
multiobjetivo; es decir una interaccin entre el decisor y el analista, medidas por
esta tasas de intercambio.
En general, es difcil afirmar que una decisin es buena o mala refirindose
nicamente a un modelo matemtico; aspectos organizacionales, pedaggicos
y culturales del proceso decisin contribuyen a la calidad y xito de esta
decisin. Se recomienda apoyarse en la decisin cuyo inters es proporcionar
30

una propuesta concerniente al proceso de decisin, mediante un modelo

matemtico que permita argumentar y transformar sus preferencias. Para ello,
existen cuatro fases que se pueden distinguir en un proceso de elaboracin de
modelos para apoyar un proceso de toma de decisin.
1. Identificacin de las alternativas que deben ser tomadas en consideracin y
la formulacin del problema.
Ubicar al problema en alguno de los incisos:
a) Seleccionar una alternativa, considerada como la mejor.
b) Aceptar todas las alternativas que parecen buenas, rechazar aquellas que
parecen malas y efectuar un anlisis complementario para las otras.
c)

Agrupas las alternativas en una sucesin de clases de indiferencia y

ordenarlas de mejor a peor.

2.

Determinar los puntos de vista que deber ser tomados en cuenta y

modelado de las preferencias del que toma la decisin respecto a cada punto
de vista.
3. Sintetizar la informacin existente en un modelo global que represente una
agregacin de las preferencias.
4.

Aplicar un procedimiento con el propsito de resolver el problema de

decisin.
Es importante saber que existen muchos factores que afectan el proceso
de decisin, en todos los aspectos desde el analista hasta las condiciones
ambientales inherentes al problema. Tambin es importante tomar en cuenta:
como generalizar e individualizar las alternativas, poner lmites si es posible, los
criterios con los que se va medir, bajo que condiciones conviene modelar, etc.
Cabe sealar que los modelos nunca son representaciones completas de la
realidad; por lo tanto, los resultados obtenidos a travs del anlisis y de los
clculos del modelo deben ser comprobados en cuanto a su utilidad dentro del
proceso de toma de decisiones. Debe existir una continua interaccin entre el

31

modelador y el que toma las decisiones desde la formulacin del problema

hasta la implementacin del resultado o la alternativa.
Finalmente

se

puede

decir,

que

la

decisin

final

con

respecto

seleccionar

la frontera o conjunto de soluciones eficiente depender de la

perspectiva de aquellas personas que tomen las decisiones; es decir,

depender del nivel de compromiso que los decisores otorguen a cada objetivo
dentro de su particular anlisis, de acuerdo a sus necesidades y objetivos.

32

4. MTODOS

PARA

RESOLVER

PROBLEMAS

DE

PROGRAMACIN LINEAL MULTIOBJETIVO

En el captulo anterior se estudi que la frontera eficiente est formada
por

el conjunto de soluciones eficientes o conjunto pareto. Por tal motivo

existen ciertos mtodos analticos para resolver problemas de PLMO que

generan este conjunto o intentan generarlo; no obstante la mayora de ellos
toma en consideracin un vector de funciones objetivo y lo usar para obtener
el conjunto de soluciones eficientes sobre la regin factible inicial.
Antes de mostrar algunos de los mtodos, se revisar brevemente una
clasificacin de los mtodos o tcnicas de PLMO propuesto por Cohon y
Marks, la cual se enfoca en la relacin entre los problemas de bsqueda y toma
de decisiones, ya que ha sido muy popular en la comunidad de investigacin de
operaciones:
Mtodos a priori: se toman decisiones antes de la bsqueda (decidir>buscar). El usuario especifica sus preferencias, expectativas y opiniones
antes de ejecutar la bsqueda.
Mtodos a posteriori:

buscan antes de tomar decisin (buscar-

>decidir).Despus de encontrar el conjunto ptimo de Pareto, el usuario

selecciona las mejores alternativas de acuerdo a su criterio.
Mtodos progresivos: integran la bsqueda con la toma de decisiones
(decidir->buscar): El usuario tiene una participacin activa durante el proceso
de solucin del PMO.
4.1.

Aproximacin del conjunto de soluciones eficientes

El inters de disear mtodos para obtener una descripcin completa, se
centra en el espacio objetivo y en el conjunto de soluciones eficientes.
Desafortunadamente para la mayora de los problemas MO no es fcil
obtener una descripcin del conjunto Pareto que comnmente incluye un
gran nmero de puntos. Si fuera tericamente posible encontrar estos puntos,
33

entonces sera computacionalmente desafiante, costoso y por tanto usualmente

abandonado. Para algunos otros problemas encontrar el conjunto de
soluciones eficientes es aun imposible debido a la complejidad numrica del
resultado de los problemas de optimizacin.
Es muy frecuente que el conjunto de Pareto no est disponible a travs de una
solucin exacta, por tal motivo, una descripcin aproximada del conjunto
se convierte en una alternativa. Los enfoques aproximados han sido
desarrollados para diversos propsitos: representar el conjunto de soluciones
eficientes XE, aproximar el conjunto XE cuando no todos los puntos estn
numricamente disponibles, o bien y para aproximar el conjunto XE cuando no
est numricamente disponible.
4.2.

Mtodos exactos
Algunos de los mtodos que se utilizan para resolver problemas de
programacin lineal multiobjetivo son los siguientes:
Los mtodos que generan el conjunto de soluciones eficientes o no dominadas
son el mtodo grfico y el mtodo simplex multiobjetivo.
Los mtodos de promedios ponderados, ponderaciones y el mtodo de
restricciones intentan generar todos los puntos eficientes del espacio objetivo,
si bien una vez aplicados, no garantizan la obtencin de todo el conjunto.
Aquellos mtodos que generan una sola solucin eficiente o no dominada, es el
caso del mtodo de programacin por metas
Generalmente estos mtodos exactos son comnmente utilizados para resolver
problemas de PLMO, no obstante hay que hacer notar que cuando el problema
se vuelve demasiado complejo existen otras tcnicas que se pueden aplicar
para poder resolver este tipo de problemas.

4.2.1. Mtodo grfico

El mtodo grfico multiobjetivo, al igual que el mtodo clsico de programacin
lineal, es un mtodo que slo es aplicable a problemas donde la dimensin de
las variables de decisin y de las funciones objetivo es dos.
34

Ejemplo 1
Considere un problema de programacin lineal con dos funciones objetivo.

Se resuelve el sistema de ecuaciones del conjunto de restricciones y se

obtienen los puntos extremos Pi que conforman el conjunto de soluciones
factibles, como lo muestra la tabla siguiente.

Posteriormente se grafican los puntos para generar el espacio de decisin X, el

cual depende de las variables xi.

35

Una vez que se tiene el espacio de decisin, se evala cada punto extremo en
cada una de las funciones objetivo definida por fj(Pi(x1, x2)) = Pi(z1, z2,) para
obtener los nuevos puntos extremos Pi que conforman el espacio objetivo Y.

Por ltimo se grafican los nuevos puntos extremos, para obtener el espacio
objetivo Y, el cual depende de las variables zi. De esta manera se puede ver el
conjunto de soluciones eficientes y dominadas del problema.

36

Como se trata de un problema de maximizacin la frontera eficiente est

conformada por los puntos sobre la frontera que van de P2, P3 hasta P4. Una
vez obtenido el conjunto de puntos no inferiores en el espacio objetivo, se
deben considerar diversas soluciones para obtener una buena solucin que
satisfaga todas las funciones objetivo.
4.2.2. Mtodos de escalamiento
Uno de los enfoques tradicionales para resolver problemas PMO, es mediante
los mtodos de escalamiento. Estos mtodos involucran la formulacin de un
problema PMO relacionado a un problema con un objetivo, por medio de una
funcin real evaluada y escalarizada, resultando ser una funcin de funciones
objetivo de problemas de PMO; tomando en cuenta variables o valores
auxiliares. En ocasiones el conjunto de soluciones factibles est restringido por
una nueva restriccin, la cual est relacionada con las funciones objetivo y/o
las nuevas variables.

4.2.2.1. Mtodo de ponderaciones

El mtodo de ponderaciones fue propuesto por Zadeh en 1963. Posiblemente
es una de las primeras tcnicas multiobjetivo considerada para tratar de

37

encontrar soluciones eficientes. Este mtodo es vlido para problemas lineales

y no lineales.
En el mtodo de ponderaciones cada objetivo se multiplica por un peso o factor
no negativo, procediendo despus agregar todos los objetivos ponderados en
una nica funcin objetivo. La optimizacin de dicha funcin ponderada y
agregada genera un elemento del conjunto eficiente. Por medio de la
parametrizacin de los pesos asociados a los objetivos, se va aproximando el
conjunto de soluciones eficientes.

4.2.2.2. Mtodo de promedios ponderados

El mtodo de promedios ponderados es un caso particular del mtodo
de ponderaciones, la diferencia que existe es:

Este mtodo obtiene una solucin factible que maximiza la suma ponderada
de todos los objetivos.

4.2.2.3. Mtodo de restricciones

El mtodo de restricciones fue propuesto por Marglin en 1967. Este mtodo
consiste en optimizar una funcin objetivo que se supone ms importante que
las otras. El resto de las funciones objetivo se reescriben como restricciones,
donde los valores de las zi restantes, se introducen con nmeros reales que
corresponden a cotas inferiores para los trminos independientes del lado
derecho. Por tanto el PPLMO se transforma a un problema de PL con un
objetivo.
4.2.3. Mtodo de programacin por metas
La Programacin por Metas fue inicialmente introducida por Charnes y Cooper
en los aos 50 y desarrollada en los aos 70 por Irij, Lee, Ignizio y Romero. Es
actualmente uno de los enfoques multicriterio que ms se utilizan. En principio
fue dirigida a resolver problemas industriales; sin embargo, posteriormente se
ha extendido a muchos otros campos como la economa, agricultura, recursos
ambientales, recursos pesqueros, etc., ya que resulta de gran inters, sobre
todo, en problemas complejos de gran tamao.
38

Esta tcnica permite resolver problemas con objetivos mltiples, incompatibles,

jerrquicamente desiguales y no homogneos en cuanto a su unidad de
medida.
La programacin por metas es una extensin de la programacin lineal.
Surge cuando se intenta resolver un problema con varios objetivos. La idea
bsica consiste en transformar cada objetivo en una meta, introduciendo las
variables de desviacin y escogiendo niveles de aspiracin bi para las metas,
que representan un nivel de logro aceptable en cada objetivo. A cada meta se
le asigna un orden de prioridad y se minimiza la suma ponderada de las
desviaciones relevantes en cada meta, en el orden establecido de prioridades;
es decir, la programacin por metas maneja los objetivos (metas) como
restricciones y utiliza (en la funcin objetivo) un sistema de prioridades para
satisfacerlas, lo que permite obtener una solucin ptima global.
En los modelos con metas mltiples pueden utilizarse los siguientes casos.
Modelos con metas mltiples sin prioridades
Modelos con metas mltiples con prioridades
Modelos con metas mltiples con prioridades y ponderaciones
4.2.4. Mtodo simplex multiobjetivo
El mtodo simplex multiobjetivo se debe a Evans y Steuer (1973), Philip (1972)
y Zeleny (1973); sin embargo, los lectores se han referido ms a Ehrgott
(2005).

Este mtodo es un mtodo exacto y el nico que garantiza la

generacin de todos los puntos extremos eficientes.

A diferencia de los otros mtodos que transforman un PPLMO a un problema
con un objetivo, este trabaja directamente con todos los objetivos para
determinar las soluciones eficientes; debido a que consiste en encontrar todos
los puntos extremos eficientes desplazndose de un punto extremo a otro
adyacente.

39

Considere la teora con la que se fundamenta el mtodo simplex para

problemas con un slo objetivo y los nuevos conceptos de la programacin
lineal multiobjetivo:
Este mtodo es una extensin del algoritmo simplex con un objetivo, ya que
utiliza la misma transformacin de pivote para moverse de un punto extremo
eficiente a otro adyacente. Los mtodos, que llevan a cabo tres etapas, son
varios; sin embargo, el mtodo de Zeleny, denominado mtodo simplex
multiobjetivo, lleva a cabo las tres etapas en forma conjunta.
En general el mtodo simplex multiobjetivo se basa en tres fases:
Fase 1. Se determina una solucin inicial bsica factible, como en el caso con
un objetivo, introduciendo variables de holgura y/o artificiales, obteniendo as
un punto extremo inicial factible.
Fase 2. Se determina un punto extremo eficiente, cuya existencia est
garantizada. Si la regin factible del problema es no vaca y todas las funciones
objetivo estn acotadas, entonces existe al menos un punto extremo.
Fase 3. Esta fase consiste en determinar todos los puntos eficientes; se lleva a
cabo partiendo de la solucin eficiente de la etapa anterior y generando a partir
de ellas los puntos extremos eficientes restantes.
4.3.

Mtodos heursticos y tcnicas de simulacin

Existen ciertos mtodos exactos para resolver problemas de programacin
lineal multiobjetivo, los cuales algunas veces no pueden garantizar que la
solucin obtenida sea ptima, ya que resultan ser poco eficientes y en algunos
casos inoperables debido al alto costo computacional. Para este tipo de
problemas ms complejos de optimizacin, es cuando se justifica el uso de los
mtodos heursticos o las tcnicas de simulacin.
Mtodos heursticos
La optimizacin multiobjetivo es una vertiente muy activa en el campo de
los mtodos heursticos para resolver problemas con varios objetivos. Como en
el caso de los mtodos heursticos para problemas de programacin lineal con
40

un solo objetivo, existen dos alternativas para atacar estos problemas a

travs de un enfoque trayectorial o un enfoque poblacional.
Entre las alternativas para realizar esta tarea se pueden destacar: funciones de
agregacin, funciones no basadas en el concepto de pareto, funciones basadas
en el concepto de pareto, adems de mtodos heursticos conocidos como la
bsqueda tab, bsqueda dispersa, recocido simulado, colonia de hormigas,
algoritmos genticos, etc. adaptados a la programacin lineal con ms de un
objetivo. Todo es a fin de poder resolver los problemas de programacin lineal
mulitobjetivo.
Tcnicas de Simulacin
La simulacin es til cuando se dificulta o imposibilita la resolucin del modelo
analtico o numrico de un determinado problema, tal es el caso de los
problemas de programacin lineal multiobjetivo.
Los procesos de simulacin son herramientas muy efectivas generando un
visin profunda y detallada de un problema analtico o numrico (para este
caso como son los PPLMO), ya que permiten estudiar el sistema real sin
deformarlo.
Sin embargo, tanto los mtodos heursticos como las tcnicas de simulacin no
generan resultados ptimos, sino simplemente buenas soluciones con el
propsito de resolver el problema de PLMO al obtener una buena solucin.
4.4.

Diferencia entre los mtodos de programacin lineal multiobjetivo

Parece razonable que una vez discutida tanto la naturaleza como el
funcionamiento de los principales mtodo para resolver problemas con
mltiples objetivos, considere una evaluacin comparativa de las ventajas e
inconvenientes que presentan dichos mtodos.
El mtodo grfico se utiliza con fines didcticos, pues resulta ser de gran ayuda
para entender la teora y los mtodos de programacin lineal multiobjetivo. Una
de las ventajas que tiene, es que se puede observar completamente el espacio
objetivo y el conjunto de soluciones no dominadas; sin embargo, en la realidad
41

los problemas suelen tener un mayor nmero de dimensiones, por tanto no se

puede aplicar este mtodo para resolverlos.
Las ventajas que tienen los mtodos como el de ponderaciones, promedios
ponderados, restricciones y programacin por metas exigen pocos parmetros,
su formulacin es intuitiva y fcil de entender para el decisor y ampliamente
utilizado en aplicaciones reales y acadmicas. No obstante, sus desventajas
son que debido a su formulacin lineal, nicamente es capaz de identificar
vrtices de la Frontera de Pareto; ante cambios de parmetros puede dar
repetidas veces la misma solucin, as como los resultados pueden ser muy
desequilibrados respecto a los objetivos, aunque los pesos sean iguales; y esto
es contra intuitivo para el decisor.
En el mtodo simplex multiobjetivo, Ballestero y Romeo (1998) reportan que
este mtodo ha sido utilizado para resolver problemas de alrededor 50
variables de decisin y tres funciones objetivo con un programa llamado
ADBASE y MLP desarrollado por Steuer de la Universidad de Georgia en 1983.
Por otro lado dependiendo del grado del conflicto, puede tomar un gran tiempo
para determinar los puntos extremos no dominantes, adems slo es til para
abordar problemas pequeos.
Finalmente es importante observar que una vez que se han encontrado un
conjunto de soluciones a los problemas, es aqu donde entran las
consideraciones subjetivas del decisor ya que, en muchos casos, las unidades
de los objetivos son diferentes; entonces ste comparar los diferentes puntos
eficientes y los intercambios que se producen al pasar de un punto no-inferior a
otro punto. En otras palabras, al pasar del punto Pi al punto Pj, el decisor
valorar la diferencia entre el beneficio adicional que obtiene al aumentar zi
con la reduccin del valor del resto de las funciones objetivo o viceversa.

42

BIBLIOGRAFA
Cano Gonzlez, Mara Gabriela. Modelado de preferencias multicriterio
mediante una funcin de valor cardinal. Tesis para obtener el titulo de
Maestro en Ingeniera, Universidad Nacional Autnoma de Mxico,
Facultad de Ingeniera, Mxico, D. F., 1997.
Elinema, Roy Raphael. Anlisis del mtodo AHP para la toma de
decisiones multicriterio. Tesis para obtener el titulo de Maestro en
Ingeniera, Universidad Nacional Autnoma de Mxico, Facultad de
Ingeniera, Mxico, D. F., 2002.
Maroto Alvarez, Concepcin.

Investigacin

operativa:

modelos,

tcnicas y software. Universidad Politecnica de Valencia, Servicio de

Publicaciones, Valencia, 1997.
Mocholi Arce, M. Programacin lineal: metodologa y problemas.
Tabar Flores, Madrid, 1993.
Prawda Witenberg, Juan;

Peredo

R.,

Roberto.

Programas

de

investigacin de operaciones para microcomputadoras. Limusa, Mxico

1988.
Pginas Electrnicas

Teora

de

multicriterio

la

decisin:

Decisin
y

con

incertidumbre,

teora

decisin

de

juegos:

http://www.mat.ucm.es/~bvitoria/Archivos/a_dt_UCM.pdf
Nuevos
mtodos
de
valoracin,
Modelos

Multicriterio:

http://www.upv.es/miw/infoweb/vmultic/info/Nuevos_metodos_de_valorac
ion_Mo delos_multicriterio.pdf
Introduccin
a
la

programacin

http://www.uv.es/asepuma/VII/pap06.pdf
Anlisis paramtrico en programacin

lineal

multiobjetivo:
multiobjetivo:

net.unirioja.es/servlet/fichero_articulo?codigo=785514
Mtodos
Cuantitativos
para
la
Toma
de

Decisiones:

http://exa.unne.edu.ar/informatica/evalua/Sitio%20Oficial
%20ESPDTemas%20A dicionales/metodos%20cuatitativo.pdf

43

Dial

 Mtodos

de

decisin

multicriterio:

http://148.206.53.230/revistasuam/denarius/include/getdoc.php?
id=318&article=117&mode=pdf
Programacin

lineal

http://destio.us.es/educon/io/ProblemasR5.pdf

44

multiobjetivo: