DPTO. ECONOMA GENERAL Y ESTADSTICA UNIDAD DOCENTE DE ESTADSTICA Y ECONOMETRA.

UNIVERSIDAD DE HUELVA

TEMA 5: TEMAS CRTICOS DE LA

PROGRAMACIN POR METAS
PROFESOR: Concepcin Corts Rodrguez

CURSO 2002-2003 LICENCIATURA EN CC. AMBIENTALES

1

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.1. El concepto de tema crtico

Anomalas aparentemente causadas por debilidades lgicas en la Programacin por Metas Temas crticos:
1. La posible equivalencia de soluciones entre los modelos de P.M. y los modelos tradicionales de optimizacin de un solo criterio. 2. La falta de significado y las conclusiones equivocadas a las que se pueden llegar cuando la funcin de logros se formula como un escalar en lugar de un vector. 3. Los problemas que pueden surgir cuando se omite una vble. de desviacin en la formulacin de una meta. 4. Los problemas que pueden surgir cuando innecesariamente se formulan metas con los dos lados. 5. La incompatibilidad existente entre las ordenaciones lexicogrficas y la existencia de una funcin de utilidad. 6.Ineficiencias paretianas en los modelos basados en metas. 7. El concepto de meta redundante y su repercusin en los procesos de optimizacin lexicogrficas.
2

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.2. El problema de la equivalencia de soluciones

Un modelo de P.M. puede generar la misma solucin que un modelo de P.L. con un solo objetivo. Ejemplo1: Problema de P.M. Lexicogrficas s.a: Q1 Q2 Q3 Q4 Q5 Lex Min a = [ p1, n2, n3, p4 + p5 ] g1: x1 + x2 + n1 - p1 = 10 g2: 5x1 -10x2 + n2 - p2 = 50 g3: 2x1 + x2 + n3 - p3 = 25 g4: x1 + n4 - p4 = 8 g5: x2 + n5 - p5 = 3 (x1,x2)=(10,0) p1 = n1 = p2 = n2 = 0; p3 = 0 n3 = 5; p4 = 2 n4 = 0; p5 = 0 n5 = 3
3

Solucin ptima:

El vector de logro ptimo es: a* = (0, 0, 5, 2)

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.2. El problema de la equivalencia de soluciones

El problema anterior es equivalente a resolver el siguiente problema lineal:

P.L.

Max s.a.

2x1+x2 x1 + x2 10 5x1 -10x2 50 x1, x2 0

Si en un modelo de P.M. ponderadas todas las metas excepto una son alcanzables, entonces es muy probable que la solucin ptima de dicho modelo coincida con la sol. ptima de un modelo de programacin lineal en el que la funcin objetivo optimiza la meta no alcanzable mientras que las otras metas se tratan como restricciones.
4

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.2. El problema de la equivalencia de soluciones

Ejemplo2: En un problema de P.M. ponderadas Min s.a: n1+ n2 + n3 g1: x1 + n1 - p1 = 5 g2 : x2 + n2 - p2 = 2 g3: 0,5x1 +x2 + n3 - p3 = 8 x1 + x2 9 0 x1 6 0 x2 5 (x1,x2)=(5,4) p1 = n1 = p2 = n2 = 0 ; p3 = 0 n3 = 1,5
5

Solucin ptima:

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.2. El problema de la equivalencia de soluciones

Como las metas g1 y g2 son fciles de alcanzar y la meta g3 es inalcanzable, entonces es muy probable que se obtenga la misma solucin resolviendo el siguiente problema de Programacin Lineal: P.L. Max 0,5x1 + x2 s.a. x1 + x2 9 0 x1 6 0 x2 5 x1 5 x2 2
6

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.3. Estructura lgica de la funcin de logro

Es bastante usual encontrar modelos de P.M. lexicogrficas en los que la funcin de logro se presenta de la siguiente forma: Min 1a1 + 2a2 + ... + kak 1 > 2 > 3 > ... i : peso asociado a las variables de desviacin del nivel i-simo. Con este tipo de formulacin de la funcin de logro no existen diferencias entre los modelos basados en metas ponderadas o lexicogrficas. Utilizar formulaciones incorrectas de la funcin de logro pueden conducir a conclusiones errneas.

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.3. Estructura lgica de la funcin de logro

Ejemplo: Lex Min a = [ n 1, p2, p3 ] s.a: Q1 4x1 + x2 + n1 - p1 = 60 Q2 100x1 + x2 + n2 - p2 = 12 Q3 2x1 + x2 + n3 - p3 = 1 x1 + x2 24 x1 5 Solucin ptima: (x1,x2)=(12,12)
a* = (0,1200,35)
8

p1 = n1 = n2 = n3 = 0 ; p2 = 1200 ; p3 = 35

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.3. Estructura lgica de la funcin de logro

Si sustituimos el vector de logro anterior por la funcin objetivo Min 100 n1 + 10p2 + p3 y aplicamos el Simplex obtenemos: Solucin ptima:
(x1,x2) = (5,19) p1 = n2 = n3 = 0 ; n1 = 21 ; p2 = 507; p3 = 28 a* = (21,507,28)
9

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.4. Estructura lgica de las metas

Es muy frecuente omitir una de las vbles. de desviacin en la formulacin de las metas, incluyndo slo la vble. de desviacin que se va a minimizar. En tales casos la solucin obtenida puede ser no eficiente o inferior. Ejemplo:

Lex Min a = [ p 1, s.a: Q1 x1 Q2 4x1 Q3 x1 x1 +

Solucin ptima:

n2 + 2n3 ] - x2 + n1 - p1 = 25 + x2 + n2 - p2 = 100 + n3 - p3 = 30 x2 35

(x1,x2) = (30,5) p1 = n1 = n2 = p3 = n3 = 0 ; p2 = 25 a* = (0,0)

10

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.4. Estructura lgica de las metas

Si reformulamos el modelo omitiendo en cada meta las variables que no aparecen en la funcin de logro: n1 , p2 , p3 , se obtiene el siguiente problema: Lex Min a = [ p1, n2 + 2n3 ] s.a: Q1 x1 - x2 - p1 = 25 Q2 4x1 + x2 + n2 = 100 Q3 x1 + n3 = 30 x1 + x2 35 La solucin obtenida es inferior, pues la variable p2 no es redundante y su omisin es la causa del empeoramiento de la solucin. (x1,x2) = (25,0) p1 = n2 = 0 ; n3 = 5 a* = (0,10)

11

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.5. Inclusin innecesaria de metas con dos lados

Las metas con dos lados se utilizan cuando el centro decisor est interesado en minimizar simultneamente las dos variables de desviacin de una meta. Ejemplo: Lex Min s.a: Q1 Q2 Q3 Solucin ptima: a = [ n 1 + p1, x1 - x2 + x1 + x2 + 2x1 + x2 + n2 , n3 ] n1 - p1 = 0 n2 - p2 = 3 n3 - p3 = 6

(x1,x2) = (2,2) p1 = n1 = n2 = p3 = n3 = 0 ; p2 = 1 a* = (0,0,0)

12

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.5. Inclusin innecesaria de metas con dos lados

Si incluimos en la funcin de logro tambin las variables positivas p2 y p3 y resolvemos el nuevo modelo: Lex Min s.a: Q1 Q2 Q3 Solucin ptima: a = [ n 1 + p1, x1 - x2 + x1 + x2 + 2x1 + x2 + n2 + p2, n3 + p3] n1 - p1 = 0 n2 - p2 = 3 n3 - p3 = 6

(x1,x2) = (1,5 , 1,5) p1 = n1 = p2 = n2 = p3 = 0 ; n3 = 1,5 a* = (0,0,15)

13

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.6. Funciones de utilidad y preferencias lexicogrficas

Una ordenacin lexicogrfica no es compatible con la existencia de una funcin de utilidad. Una funcin de utilidad nos permite asignar nmeros reales a un conjunto de indiferencia y verifica los siguientes supuestos: Comparabilidad: Si x, x son dos alternativas cualesquiera entonces se verifica que x x o x x Reflexividad: x x Transitividad: x x y x x x x Continuidad: continuas. Los conjuntos de indiferencia son superficies

significa preferencia o indiferencia de la 1 alternativa con respecto a la 2.

14

TEMA 5. TEMAS CRTICOS DE LA PROGRAMACIN POR METAS 5.7. Ineficiencias paretianas en los modelos basados en metas

El concepto de optimalidad paretiana juega un papel esencial en la teora de la decisin multicriterio. La eficiencia paretiana es una condicin necesaria para poder garantizar la racionalidad de las soluciones generadas por los diferentes enfoques multicriterio Las soluciones de un problema basado en la programacin por metas han de satisfacer la condicin de eficiencia paretiana. Si una solucin no es eficiente, esto significa que al menos el logro de una de las metas puede mejorarse sin que ello signifique un empeoramiento del nivel de realizacin de las dems. Por consiguiente, esta solucin est dominada y no debera ser elegida por ningn centro decisor racional. Los modelos de programacin por metas pueden generar soluciones dominadas, que no sean necesariamente Pareto ptimas.
15