TEORA DE EVALUACIN MULTICRITERIO:

UNA BREVE PERSPECTIVA GENERAL

Giuseppe Munda
Universitat Autonoma de Barcelona
Departamento de Economa y Historia Econmica
Bellaterra 08193 (Barcelona)
Espaa
Resumen: El objetivo de este articulo es presentar una tipologa de las diferentes clases de mtodos
multicriterio en el marco del anlisis de polticas. Se pone la mayor atencin en problemas como son
los fundamentos metodolgicos y la axiomatizacin matemtica de la evaluacin multicriterio. Se
pone el mayor nfasis en desarrollos recientes como son las conexiones con las teoras de complejidad,
las teoras de racionalidad y el concepto de Ciencia Post-Normal. El articulo tambin trata la
incertidumbre y los problemas de medicin en el anlisis de polticas, vistos desde el punto de vista del
nivel de medicin de la informacin (incluyendo mtodos de conjuntos difusos (fuzzy sets)).
1.

FUNDAMENTOS FILOSFICOS DE LA EVALUACIN DE CRITERIOS

MLTIPLES

Cualquier problema de decisin social se caracteriza por conflictos entre valores e intereses
que compiten y diferentes grupos y comunidades que los representan. Por ejemplo, en la gestin
ambiental, las metas de biodiversidad, los objetivos del paisaje, los servicios directos de diferentes
entornos como fuentes de recursos y como sumideros de desechos, los significados histricos y
culturales que los lugares tienen para las comunidades, las opciones recreativas que proporcionan los
entornos, son una fuente de conflicto. Las diferentes dimensiones de valor pueden estar en conflicto
entre s y dentro de s mismas, y cualquier decisin otorgar diferentes opiniones buenas y malas para
los diferentes agentes tanto en forma espacial como temporal. Cmo se deben resolver esos
conflictos? Un enfoque que tiene sus races en el utilitarismo es aquel que intenta una solucin
mediante el uso de una medida comn por la que valores diferentes pueden compensarse unos con
otros: las medidas monetarias son la medida ms comnmente utilizada invocada para este propsito.
El enfoque asume la existencia de conmensurabilidad de valor. Es justificada esa suposicin?
Desde una perspectiva filosfica, es posible distinguir entre los conceptos de comparabilidad
fuerte (hay un nico trmino comparativo por el que se pueden clasificar todas las acciones diferentes)
que implica conmensurabilidad fuerte (medida comn de las diferentes consecuencias de una accin
basada en una escala cardinal de medida) o conmensurabilidad dbil (medida comn basada en una
escala ordinal de medida), y comparabilidad dbil (el conflicto de valor irreducible es inevitable pero

compatible con la opcin racional utilizando un clculo prctico) (Martnez-Alier et al., 1997; ONeill,
1993).
En trminos de lgica formal, la diferencia entre comparabilidad fuerte y dbil, y un punto a
favor de la comparabilidad dbil puede expresarse en trminos de la distincin de Geach entre
adjetivos atributivos y predicativos (Geach, 1967). Un adjetivo A es predicativo si pasa las siguientes
pruebas lgicas:
(1) si x es AY, entonces x es A y x es Y;
(2) si x es AY y todas las Ys son Zs, entonces x es AZ.
Los adjetivos que no superan este tipo de pruebas son atributivos. Geach afirma que bueno es un
adjetivo atributivo. En muchos de sus usos no funciona (2): X es un buen economista, todos los
economistas son personas, por lo tanto X es una buena persona no es un razonamiento vlido. En
consecuencia, las afirmaciones del tipo X es bueno deben ser entendidos como elpticas. Invitan a
que se responda X es bueno en qu aspecto? Si bueno es atributivo, entonces su forma comparativa
estar limitada por el sustantivo particular que califique. X es mejor economista que Y, todos los
economistas son personas, por lo tanto X es mejor persona que Y no es un razonamiento vlido.
El hecho de que un comparativo sea vlido para una gama de objetivos no significa que es
vlido para una gama ms amplia. Dada una afirmacin X es mejor que Y, una respuesta adecuada
es X es mejor que Y en qu aspecto?. Se pueden hacer observaciones similares acerca del adjetivo
valioso y es ms valioso que. Si los adjetivos de evaluacin como bueno y valioso son
atributivos en usos estndar, se deduce que sus formas comparativas tienen un alcance limitado. No
obstante, ello no descarta la posibilidad de opciones racionales entre objetos que no estn dentro del
alcance de ningn comparativo. La comparabilidad dbil es compatible con la existencia de alcances
limitados como estos.
La evaluacin se lleva a cabo mediante este tipo de descripciones. Una posicin no se evala
como buena o mala por s sola, sino ms bien como buena, mala, hermosa o fea en diferentes
descripciones. A la misma vez puede ser una buena W y una mala X, una hermosa Y y una fea
Z. El uso de estos trminos de valor en estos contextos es atributivo, no predicativo. La evaluacin de
objetos por descripciones diferentes invoca no solamente diferentes prcticas y perspectivas, sino
tambin diferentes criterios y estndares de evaluacin asociados a estos. Presupone el pluralismo de
valor. La solicitud de diferentes estndares por lo general resulta en evaluaciones contradictorias de un
objeto: como se hizo notar ms arriba, un objeto puede tener un valor considerable como U, V y W,
pero poco valor como X, Y y Z.
La mayor ventaja de los modelos multicriterio es que hacen que sea posible considerar gran
cantidad de informacin, relaciones y objetivos que generalmente estn presentes en un problema
especfico de decisin de la vida real, de manera que el problema de decisin puede estudiarse de una
manera multidimensional. Por otro lado, una accin a puede ser mejor que una accin b segn un
criterio y peor segn otro criterio. Por lo tanto cuando se toman en consideracin diferentes criterios de
evaluacin contradictorios, un problema multicriterio est mal definido matemticamente. Como
consecuencia es bastante difcil realizar una axiomatizacin completa de una teora de decisin

multicriterio (Arrow y Raynaud, 1986). Al reconocer que el problema est matemticamente mal
estructurado, inmediatamente se presentan dos soluciones simples:
(1) darle total libertad al tomador de decisiones para tomar la decisin
(2) introducir de manera consciente o no hiptesis restrictivas, de manera que el problema pueda
resolverse por un mtodo clsico.
El Decisionismo en la prctica sostiene que las decisiones son acciones a ciegas, inspiradas por
el subconsciente y por los instintos, de manera que no tiene sentido razonar acerca de una decisin. Por
el contrario, el racionalismo supone que siempre existe una solucin precisa ptima para un problema
de decisin y que es posible encontrarla razonando sobre el problema. Por lo tanto (usando las palabras
de Scrates) la ignorancia es la nica causa de las acciones insensatas o malas.
El propsito de los modelos multicriterio, con la ayuda del instrumento matemtico, es llegar a
decisiones concretas. Por supuesto que los modelos multicriterio no son sistemas axiomticos puros,
pero ms all del aspecto aplicacional, la evaluacin multicriterio representa una teora matemtica
especfica, y como tal, debera respetar los principios generales propuestos por la escuela formalista y
por lo tanto indicar de manera clara los axiomas de los cuales debera depender el desarrollo del
modelo. De esta observacin se puede deducir que al igual que las geometras no-Euclideanas, el
desarrollo de las diferentes hiptesis y por lo tanto la formulacin de los diversos modelos se multiplica
a gran velocidad.
Los modelos multicriterio se atienen a los hechos en el sentido que las hiptesis en las que estn
basados deben estar cerca de la realidad, pero un enfoque exclusivamente descriptivo no parece ser
apropiado para los propsitos que debera tener el anlisis de decisiones. Este tipo de enfoque es
comn para aquellos que tienen una actitud esencialmente platonista, o sea que creen en un mundo
objetivo que existe por s mismo y que existen soluciones ptimas que el investigador debe descubrir.
Un enfoque de este tipo puede resultar til en casos particulares, tal como algunos problemas de
optimizacin tcnica, pero en general no es aconsejable. Las suposiciones que plantean como hiptesis
la capacidad del tomador de decisiones de expresar en forma clara su funcin de utilidad, o sus
preferencias totalmente consistentes de tipo transitivo, de hecho no parecen ser muy realistas. Como
consecuencia se forma una clara antinomia con una hiptesis descriptiva.
El enfoque preceptivo1 nicamente propone una serie de reglas que el tomador de decisiones
debe respetar si desea llegar a un objetivo especfico. Segn Simon (1983), se debe hacer una
distincin entre el concepto general de racionalidad como una adaptacin de los medios disponibles a
los fines perseguidos, y las diferentes teoras y modelos basados en una racionalidad que es o bien
sustantiva o de procedimiento. Esta terminologa puede ser usada para distinguir entre la racionalidad
de una decisin considerada en forma independiente de la manera en que se lleva a cabo (en el caso de
la racionalidad sustantiva, la racionalidad de la evaluacin se refiere exclusivamente a los resultados de
la eleccin) y la racionalidad de una decisin relacionada a la manera en que se lleva a cabo (en el caso
de racionalidad de procedimiento, la racionalidad de evaluacin se refiere al proceso de toma de
decisiones en s mismo) (Faucheux et al., 1994; Froger y Munda, 1997).

Aqu no distinguimos entre modelos normativos y preceptivos (Bell et al., 1988)

Roy (1985) afirma que en general es imposible decir que una decisin es buena o mala haciendo
referencia nicamente a un modelo matemtico: todos los aspectos del proceso de toma de decisiones
que conduce a una decisin dada tambin contribuyen a su calidad y xito. Como consecuencia es
imposible basar la validez de un procedimiento en un concepto de aproximacin o en una propiedad de
convergencia matemtica. Esta nueva forma de ver a la racionalidad implica un nuevo concepto de
calidad.
Las decisiones sociales tratan fenmenos reflexivos, ya que una evaluacin efectiva, para ser
realista, debera considerar no solamente las dimensiones medibles y contrastables de la parte simple
del sistema, que aunque sean complicadas pueden ser simuladas tcnicamente (Funtowicz et al., de
prxima aparicin). Tambin debera tratar las dimensiones ms complicadas del sistema, aquellas en
las que las relaciones de poder, los intereses ocultos, la participacin social, las limitaciones culturales
y otros valores dbiles se tornan relevantes y se convierten en variables inevitables que afectan en
gran medida pero no de forma determinante los posibles resultados de las estrategias adoptadas.
Un modelo matemtico de por ej. un ecosistema, aunque es legtimo en sus propias condiciones,
no puede ser suficiente para un anlisis completo de sus propiedades reflexivas, que incluyen las
dimensiones humanas del cambio ecolgico y las transformaciones de las percepciones humanas a lo
largo del camino. En el otro extremo, las representaciones institucionales y culturales del mismo
sistema por s solas son insuficientes para especificar lo que debera hacerse en la prctica en cualquier
caso particular.
Las diferentes dimensiones no son totalmente inconexas; de este modo la perspectiva
institucional puede ser un fundamento para el estudio de las relaciones sociales de los procesos
cientficos. Tomar cualquier dimensin particular como el panorama verdadero, real o total viene a ser
reduccionismo, ya sea fsico o sociolgico.
Elegir cualquier definicin operacional particular por el valor que tenga implica tomar una
decisin acerca de lo que es importante y real; otras definiciones reflejarn los compromisos de otros
interesados. Como consecuencia, la validez de un enfoque dado depende de la inclusin de las diversas
perspectivas legtimas y de la no omisin de las propiedades reflexivas del sistema, aunque stas no
sean fciles de manejar (OConnor et al., 1996). Esto requiere transparencia con respecto a dos factores
principales:
(1) propiedades matemticas y descriptivas que hacen que los modelos usados se ajusten a los
requisitos dados;
(2) la manera en que se usan e integran esos modelos en un proceso de decisin.
Se puede mejorar la calidad de un proceso de decisin? Cuando se usa la ciencia en polticas,
los profanos (por ej. los jueces, periodistas, cientficos de otra esfera, o simplemente los ciudadanos) a
menudo dominan suficientemente la metodologa para volverse participantes efectivos en el dilogo.
Esta extensin de la comunidad es esencial para mantener la calidad del proceso de resolucin de
sistemas complejos reflexivos. De este modo la apropiada gestin de la calidad se enriquece al incluir
esta multiplicidad de participantes y perspectivas. Los criterios de calidad en este nuevo contexto
presupondrn principios ticos. Pero en este caso los principios sern explcitos y formarn parte del
dilogo. El asunto no radica en si el mercado es lo nico que puede determinar valor, puesto que los

economistas discutieron hace mucho tiempo otras formas de valuacin. Nuestro inters est en la
suposicin que en cualquier dilogo, todas las valuaciones o numeraires deberan ser reducibles a un
nico estndar unidimensional (Funtowicz y Ravetz, 1994, p. 198).
En la actualidad los cientficos se enfrentan a problemas introducidos a travs de polticas en los
cuales es comn que los hechos sean inciertos, los valores estn en conflicto , los intereses sean altos, y
las decisiones urgentes (Funtowicz y Ravetz, 1991). Por lo tanto Funtowicz y Ravetz desarrollaron un
nuevo marco epistemolgico llamado ciencia post-normal, donde es posible usar dos aspectos
cruciales de la ciencia en el campo de la poltica: incertidumbre y conflicto de valores. El nombre
post-normal seala que las operaciones de la ciencia normal difciles de resolver, en el sentido
Kuhniano (Kuhn, 1962), que con tanto xito se extendan del laboratorio de ciencia pura a la conquista
de la naturaleza por medio de la ciencia aplicada ya no son ms adecuados para resolver los problemas
sociales.
Se puede ubicar a la ciencia post-normal en relacin a las otras estrategias complementarias
mediante un diagrama (ver la Figura 1).
Lo que se pone en
Juego en la decisin

ciencia
post-normal

consultora
profesional

ciencia
aplicada

incertidumbre

Figura 1. Representacin Grfica de Ciencia Post-Normal

En el mismo vemos dos ejes, incertidumbre y lo que se pone en juego en la decisin. Cuando
ambos son pequeos, estamos en el campo de la ciencia segura y normal, donde el estado del arte es
completamente efectivo. Cuando cualquiera de los dos son medianos, entonces la aplicacin de
tcnicas de rutina no es suficiente; se necesita tener habilidades, buen juicio y a veces hasta coraje.
Funtowicz y Ravetz lo llaman consultora profesional, teniendo en mente los ejemplos del cirujano o
del ingeniero senior. Nuestra sociedad moderna ha dependido de cantidad de cientficos aplicados

que extendieron las fronteras del conocimiento y de la tcnica, cumpliendo un rol aristocrtico, tanto
como innovadores como defensores.
Cuando los hechos cientficos no determinan completamente las conclusiones, las deducciones
estarn (naturalmente y legtimamente) condicionadas por los valores del agente. Si la importancia de
la apuesta es muy grandes (como cuando una institucin se ve fuertemente amenazada por una
poltica) entonces una poltica defensiva implicar desafiar cada medida de un argumento cientfico,
an si las incertidumbre es pequea. Estas tcticas no sirven solamente en el caso en que se realicen de
forma encubierta, por ejemplo cuando los cientficos se presentan como jueces imparciales cuando en
realidad son defensores totales de las mismas. Actualmente hay muchas iniciativas, que continuamente
van aumentando en cantidad e importancia, para involucrar a crculos ms grandes de personas en los
procesos de toma de decisiones.
2. ALGUNAS DEFINICIONES BSICAS
Como no hay un acuerdo unnime en la literatura acerca de las definiciones que deberan
aplicarse para algunos conceptos bsicos de ayuda en la decisin multicriterio, indicaremos de forma
clara en esta seccin las definiciones que usaremos en este artculo.
Criterio: un criterio es la base para la evaluacin. Es una funcin que asocia cada accin con un
nmero (nmero en este contexto significa cualquier tipo de escala de criterios, cuantitativa,
cualitativa, estocstica o difusa) que indica su conveniencia segn las consecuencias relacionadas al
mismo punto de vista. En trminos formales, un criterio g es una funcin definida en el conjunto A de
acciones potenciales de modo que la comparacin de los dos nmeros g(a) y g(b) nos permite describir
y/o discutir el resultado de la comparacin de a y b relativa al punto de vista subyacente en la
definicin de g. Los criterios pueden subclasificarse en metas y objetivos.
Meta: una meta es algo que se puede lograr o no (por ej. aumentar las ventas de un producto en por lo
menos un 10%). Si una meta no se puede lograr o es improbable que se logre, puede convertirse en un
objetivo.
Objetivo: un objetivo es algo que se lucha por conseguir. (por ej. una compaa quiere maximizar su
nivel de ganancias). Por lo general un objetivo indica la direccin de cambio deseada.
Atributo: un atributo es una medida que indica si se lograron o no las metas propuestas, dada una
decisin particular que proporciona un medio de evaluar los niveles de diferentes objetivos.
Restriccin: una restriccin es un lmite a los valores que los atributos y las variables de decisin
pueden asumir y puede establecerse o no de forma matemtica.
Imagen de A en el espacio de criterios: cada accin a A puede representarse en Rn por un punto con
coordenadas g1(a), g2(a), ..., gn(a). El conjunto de puntos obtenido de esta forma es la imagen de A en
el espacio de criterios.

Punto ideal: el punto que en el espacio de criterios tiene coordenadas

max g1(a), max g2(a), ..., max gn(a)
aA
aA
aA

(1)

se llama punto ideal (o de utopa) (asumiendo que el valor ms alto es el mejor). Est claro que si un
elemento de A tiene como imagen a este punto, este elemento es la mejor accin, porque maximiza
todos los criterios de forma simultnea. Un concepto similar a la alternativa ideal, su reflejo, lo antiideal puede definirse como la accin que minimiza todos los criterios considerados de forma
simultnea (la peor accin).
Dominio: una accin a domina a una accin b si a es por lo menos tan buena como b en todos los
criterios considerados, y mucho mejor que b en por lo menos un criterio.
Solucin eficiente: una accin aA es eficiente si no hay ninguna accin b en A que domine a a. El
concepto de eficiencia puede ilustrarse fcilmente con una grfica (ver Figura 2). La alternativa C se
desempea mejor que la alternativa B en todos los aspectos y por lo tanto se prefiere a C que a B. Se
puede decir lo mismo de B comparado con A. Por lo tanto slo C y D son alternativas eficientes.

A
D

1
Figura 2. Eficiencia en un Caso bidimensional

Se debe hacer notar que eficiencia no significa que necesariamente se debe preferir a todas las
soluciones eficientes sobre las no eficientes; por ej. las alternativas A y B no eficientes son preferibles
a la alternativa eficiente D si el segundo criterio recibiera gran prioridad comparado con el primer
criterio (Nijkamp et al., 1990).
El principio que establece que las soluciones ineficientes pueden ser ignoradas (a menudo
presentado como una sencilla hiptesis tcnica) puede provocar diferentes problemas:

Se debe aceptar la suposicin de que se han identificado todos los criterios relevantes. Si se
omiten criterios relevantes, hay costos de oportunidad potenciales asociados con la suposicin de
que no hay problemas en ignorar alternativas dominadas.

Se debe aceptar la suposicin de que se debe identificar slo una alternativa considerada como
la mejor. Como se puede haber eliminado a la segunda mejor alternativa durante la seleccin
tcnica, en el caso en que se deba elegir ms de una accin, la eliminacin de la accin ineficiente
puede resultar en una prdida de oportunidad (debe notarse que si se saca a la mejor accin del
conjunto de alternativas posibles, entonces la segunda mejor pasa a formar parte del conjunto no
dominado) (Bogetoft & Pruzan, 1991).

Un tercer problema est vinculado a la pregunta: cun relevantes son las alternativas
irrelevantes? (Zeleny, 1982). El axioma de Arrow sobre la independencia de las alternativas
irrelevantes (Arrow, 1951) establece que la eleccin realizada en un conjunto dado de alternativas A
depende solamente del orden en que fueron colocadas las alternativas de ese conjunto. Las
alternativas que no pertenecen a A (que son irrelevantes ya que se debe elegir entre las alternativas
dentro del conjunto A) no deben afectar a la eleccin dentro de A. Desgraciadamente, por lo general
la experiencia emprica no sustenta este axioma; por lo tanto excluir algunas acciones que ya estn
dentro de A tiene an menos justificacin.

Por ltimo, una accin dominada puede ser ligeramente peor que una accin eficiente. Si se
usan umbrales de indiferencia y/o de preferencia, entonces ambas acciones pueden presentar una
relacin de indiferencia (por ej. C y E).
3.

PASOS
FUNDAMENTALES
DE
UN
ESTUDIO
DE
EVALUACIN
MULTICRITERIO
Se puede abordar un problema de evaluacin multicriterio realizando los siguientes pasos:

(1)
(2)
(3)
(4)

definicin y estructuracin del problema;

definicin de un conjunto de criterios de evaluacin;
eleccin entre mtodos discretos y continuos;
identificacin del sistema de preferencia del / de los tomador(es) de decisiones
(procedimientos interactivos o sistemas de ponderacin);
eleccin de un procedimiento de agregacin.

(5)

Estos pasos sern brevemente examinados en las secciones siguientes.

3.1

DEFINICIN DEL PROBLEMA

Los resultados de cualquier modelo de decisin dependen de la informacin disponible. Como

esta informacin puede asumir diferentes formas, es til que los modelos de decisin las puedan tener
en cuenta. Pero debe hacerse notar que esta informacin disponible depende de la fase de definicin del

problema. Segn la metodologa de sistemas, el proceso de definicin del problema puede ser
sintetizado en la siguiente jerarqua de niveles epistemolgicos de sistemas (Cavallo, 1979; Klir, 1969):
sistemas fuente (toda la informacin posible que puede recogerse),
sistemas de informacin ( medida de todas las variables),
sistemas generativos (relaciones entre las variables),
sistemas de estructura (representacin simplificada de todo el sistema),
metasistemas (cambios en el espacio y tiempo del sistema de estructura).
Se pueden realizar las siguientes consideraciones:
(1)
la informacin usada como entrada para los modelos de decisin puede ser manejada y
estructurada de diferentes maneras, por lo que siempre hay un componente subjetivo presente.
(2)
en general la comunidad cientfica est de acuerdo que el funcionamiento de cada mtodo
MCDA particular depende del contexto y que el modelo debe ajustarse lo mximo posible a los
problemas de la vida real, pero debe hacerse notar que en los problemas de decisin (en un ltimo
anlisis) la realidad es el resultado de la fase de definicin del problema. Es ms, no es exacto
suponer que entre la fase de definicin del problema y la eleccin del modelo hay una pura relacin de
causalidad, de hecho a menudo ambas fases estn muy interrelacionadas (por ej. a veces el mismo
problema puede ser formulado tanto en trminos continuos como discretos, y en ese caso la fase de
definicin del problema depende de esa eleccin). Se pueden encontrar sugerencias interesantes para la
definicin y estructuracin de problemas en Bana e Costa (1993), Guimaraes Pereira et al. (1994),
Norese (1991) y Ostanello (1990).
3.2

DEFINICIN DE UN CONJUNTO DE CRITERIOS DE EVALUACIN

Al formular un conjunto de criterios de evaluacin, se pueden distinguir dos tendencias

fundamentales. Por un lado quizs se quiera construir un modelo de decisin lo ms cercano posible al
problema de la vida real; esto puede aumentar la cantidad de criterios de evaluacin a un nivel tal que
su aplicabilidad se torna casi imposible. Por otro lado quizs se quiera usar pocos criterios para que el
modelo sea ms sencillo y rpido de utilizar; esto puede llevar a una sobre simplificacin del modelo
usado.
Segn Bouyssou (1990), una familia de criterios debera tener dos cualidades importantes:
(1) legibilidad, o sea la familia debera contener una cantidad suficientemente pequea de criterios
para ser una base de discusin que permita al analista evaluar la informacin entre los criterios
necesaria para la implementacin de un procedimiento de agregacin;
(2) operabilidad, o sea que todos los actores deberan considerar a la familia como una base slida
para la continuacin del estudio de ayuda de decisiones.
Adems una familia de criterios tambin debe cumplir varias propiedades tcnicas que
conduzcan al concepto de una familia consistente de criterios (Roy, 1985).

3.3

ELECCIN ENTRE MTODOS CONTINUOS Y DISCRETOS

El nmero de alternativas puede variar entre 1, cualquier nmero discreto e infinito. El

problema con slo una alternativa es esencialmente un sistema de eleccin 0-1, en el que se debe elegir
entre el status quo y una nueva situacin. Dada la complejidad de los problemas de toma de decisiones,
no siempre es posible definir al conjunto A a priori. Puede suceder que la definicin de A se elabore a
medida que se desarrolla el procedimiento de ayuda en la toma de decisiones. Tambin es posible
distinguir entre los casos en donde A es
globalizado: cada elemento de A excluye a cualquier otro;
fragmentado: los resultados del procedimiento de decisin implican combinaciones de varios
elementos de A (Vincke, 1992).

3.4

MTODOS INTERACTIVOS DE PROGRAMACIN MULTIOBJETIVO

Las principales caractersticas de los mtodos de programacin multiobjetivo es que las

alternativas viables estn slo implcitamente definidas, de manera que en principio, su nmero es
infinito. Este problema fue analizado por diversos autores quienes desarrollaron gran cantidad de
teoremas y algoritmos (Steuer, 1986).
Un programa de objetivo mltiple es un problema que apunta a encontrar un vector xRn, que
cumpla un conjunto de restricciones (obedeciendo a condiciones eventuales de integralidad) y que
maximice un conjunto de funciones objetivo. Se dice que un programa de objetivo mltiple es lineal si
las funciones que representan tanto a las restricciones como a los objetivos dependen de forma lineal de
x.
Consideremos formalmente un problema multilineal multiobjetivo (PMM):
max q
(2)
sujeto a que qQ = {f(x) : xX}
(3)
(4)
donde f(x) = {f1(x), f2(x), ... , fk(x)}= Cx
y X = {x: Ax b, x 0}
(5)
donde Cx expresa relaciones lineales entre m variables de poltica y k objetivos de poltica, y Axb
expresa n restricciones lineales.
Un mtodo de programacin multiobjetivo puede dividirse en dos fases:
generacin de un conjunto de soluciones eficientes (tambin llamado conjunto de Pareto),
exploracin de este conjunto para encontrar una solucin de compromiso
El conjunto de vectores de solucin eficientes se denota QE.
En los problemas PMM el conjunto de soluciones eficientes se llama la frontera eficiente (ver
Figura 3). Por lo general, en la mayora de los procedimientos continuos slo se usan soluciones de
punto extremo.
En un marco continuo se pueden producir las alternativas eficientes de tres maneras diferentes:

10

(a)
En teora se demostr (Geoffrion, 1972) que se pueden lograr todas las soluciones eficientes
resolviendo el siguiente problema mximo escalar:
(6)
max mtq
sujeto a que qQ
(7)
Existen dos problemas en encontrar todas las soluciones eficientes:
primero que nada no se puede resolver un problema paramtrico escalar en el intervalo abierto
{m:m>0}, pero s se puede resolver en el intervalo cerrado {m:m, >0}. Por lo tanto las soluciones
se encuentran si es lo suficientemente pequeo, pero suficientemente pequeo depende del
problema y por lo tanto no puede especificarse a priori. Esto significa que la eleccin de puede hacer
que se excluyan algunas soluciones eficientes. Adems quizs no se encuentre un vector m que tenga
una nica solucin para el problema considerado (Korhonen y Wallenius, 1988).
(b)
Una segunda forma de producir alternativas eficientes consiste en una variacin sistemtica de
las condiciones secundarias. De este modo, al optimizar una funcin objetivo mediante restricciones a
las dems funciones objetivo, que deben variar de forma sistemtica, se obtienen alternativas eficientes.
(c)
Una tercera forma de producir alternativas eficientes consiste en una variacin sistemtica de
ponderaciones en una funcin objetivo que defina la distancia entre un punto de referencia elegido de
forma apropiada y una solucin viable.
2

1
Figura 3. Frontera de Eficiencia en un caso bidimensional

Como conclusin, debemos notar que existen dos problemas al trabajar solamente con soluciones
eficientes de punto extremo:
en problemas de tamao realista, la cantidad de soluciones eficientes de punto extremo es muy
grande;
el tomador de decisiones no necesariamente est satisfecho con una solucin de punto extremo
como aproximacin a la solucin preferible.

11

Los problemas arriba mencionados hacen que sea necesario explorar la frontera eficiente
cuidadosamente. Esto se realiza por medio de procedimientos interactivos.
Los procedimientos interactivos, como son tiles para explorar la frontera eficiente, son tpicos
de aquellos modelos que operan en un contexto continuo, aunque tambin existen en algunos modelos
discretos. A diferencia del proceso de ponderacin de criterios, en los procedimientos interactivos la
mxima colaboracin entre el tomador de decisiones y el analista ocurre una vez que se ha comenzado
a utilizar el modelo. El proceso de interaccin puede depender de los siguientes tipos de fases:
bsqueda de un candidato para una solucin de compromiso,
comunicacin al tomador de decisiones,
reaccin del tomador de decisiones.
Vanderpooten y Vincke (1989) distinguen dos grupos principales de procedimientos
interactivos:
procedimientos interactivos orientados a la bsqueda,
procedimientos interactivos orientados al aprendizaje.
En el primer grupo, se asume que el tomador de decisiones tiene una estructura de preferencias
clara y estable y que acta en forma consistente con ella. Se puede criticar este enfoque de diferentes
puntos de vista:
al comienzo los tomadores de decisiones no saben exactamente cules son sus preferencias;
las preferencias cambian en funcin del tiempo;
la suposicin implcita subyacente a este enfoque es que la racionalidad coincide con la
consistencia, pero las investigaciones sicolgicas han demostrado que las intransitividades e
incomparabilidades son un rasgo comn de los seres humanos.
Segn la filosofa MCDA, en los procedimientos interactivos orientados al aprendizaje no hay
ninguna suposicin acerca de la consistencia y estructura de preferencias del tomador de decisiones.
Pero aqu tambin surgen algunos problemas:
como no se asume que la estructura de preferencias permanece estable y no se requiere que haya
consistencia (Vanderpooten y Vincke, 1989), la informacin proporcionada por el tomador de
decisiones no puede considerarse vlida a lo largo de todo el proceso interactivo. Por lo tanto, qu
informacin debe tomarse en cuenta?
como todas las hiptesis de los procedimientos de investigacin son relajadas, no existe
convergencia matemtica. Esto no es un problema si se asume que el tomador de decisiones detiene
el procedimiento cuando se encuentra una solucin de compromiso satisfactoria; pero las razones
por las que el tomador de decisiones decide detener el procedimiento pueden ser diferentes (tiempo,
estado sicolgico, hasta los colores de la pantalla!)
Nijkamp y Voogd (1985) expresaron la siguiente opinin acerca de los procedimientos
interactivos: los procedimientos interactivos tienen varias ventajas. Brindan informacin al comit de
decisiones en forma gradual, pueden incluirse fcilmente en un entorno dinmico de decisiones, hacen

12

que todos los participantes implicados cumplan un rol dinmico, y no es absolutamente necesario que
haya una especificacin a priori de las preferencias o ponderaciones, aunque pueden inferirse ex post.
Una desventaja de este enfoque es que la solucin final puede depender del procedimiento que se haya
seguido y especialmente de la solucin de partida. Adems no hay garanta de que se pueda obtener la
solucin de compromiso dentro de un nmero finito de ciclos interactivos para varios mtodos de
evaluacin continua, a menos que se asuma que el comit de decisiones est actuando de forma
consistente.
3.5

MTODOS DISCRETOS
Se puede describir un problema multicriterio discreto de la siguiente manera: A es un conjunto
finito de n acciones (o alternativas) viables; m es el nmero de diferentes puntos de vista o criterios de
evaluacin gi i = 1, 2, ... , m es considerado relevante en un problema de decisin, donde gi: A R, i
= 1, 2, ... , m es una funcin de valor real que representa el criterio gi segn una preferencia no
decreciente, mientras que la accin a es evaluada como una mejor accin que la accin b (a, bA)
segn al punto de vista gi si gi(a) > gi(b).
De esta manera se puede representar un problema de decisin en forma de tabla o de matriz.
Dados los conjuntos A (de alternativas) y G (de criterios de evaluacin) y suponiendo la existencia de n
alternativas y m criterios, es posible construir una matriz P n m denominada matriz de evaluacin o
de impacto cuyo elemento tpico pij (i = 1, 2, ... , m; j = 1, 2, ... , n) representa la evaluacin de la
alternativa j por medio del criterio i. La matriz de impacto puede incluir informacin cuantitativa,
cualitativa, o ambos tipos de informacin. Usando la terminologa introducida por Vansnick (1990), se
puede definir a este tipo de decisin como modelo A.A.E. (Alternativas, Atributos, Evaluadores).
Esta descripcin general implica que los problemas de evaluacin pueden llevar a diferentes
tipos de resultados; por ejemplo, algunos mtodos solamente apuntan a determinar un conjunto de
soluciones alternativas aceptables, mientras que otros mtodos apuntan a seleccionar una alternativa
final. Por consiguiente hay una variedad de formulaciones de problemas multicriterio, que pueden
tomar una de las siguientes formas (Roy, 1985):
() la meta es identificar una y slo una alternativa final;
() la meta es asignar cada accin a una categora predeterminada apropiada segn en lo que uno
quiera que se convierta despus (por ejemplo, aceptacin, rechazo o demora de informacin adicional);
() la meta es clasificar a todas las acciones viables segn un orden previo total o parcial;
() la meta es describir alternativas relevantes y sus consecuencias.
En los problemas MCDA discretos hay varios procedimientos que buscan obtener las
prioridades de los tomadores de decisiones bajo la forma de pesos. En sntesis, se pueden distinguir dos
enfoques principales (Nijkamp et al., 1990):
estimacin directa de pesos (mtodo de la tasa de intercambio (trade-off), mtodo de puntaje,
mtodo de clasificacin, declaraciones orales, comparaciones dos a dos);
estimacin indirecta de pesos (pesos basados en elecciones pasadas, pesos basados en una
clasificacin de alternativas, estimacin interactiva de pesos).

13

Todos estos mtodos presentan diferentes rasgos en trminos del tiempo que se necesita, de la
complejidad, de la transparencia, etc., y por consiguiente su eficacia depende del problema especfico
que se enfrenta, pero por lo general la ponderacin de criterios est abierta al criticismo por las
siguientes razones:
(1)
en el caso de decisiones unipersonales, como ser una hiptesis abstracta, se est de acuerdo en
que el tomador de decisiones tiene una idea clara de su propia escala de preferencias, y que es capaz de
expresarlas sin contradecirse, al tiempo que concretamente la lgica de la eleccin supone una
reduccin de la confusin que inevitablemente est presente en la mente del tomador de decisiones
cuando est por enfrentarse a un problema (Munda, 1993). Este estado inicial de confusin ha sido
probado empricamente; de hecho, en investigaciones experimentales se not que con respecto al clima
sicolgico que rodea a la decisin, sustancialmente hay tres fases en el procesos de decisin:
(1)
desorientacin inicial,
(2)
proceso de reorientacin,
(3)
solucin.
Como consecuencia, puede suceder que el tomador de decisiones, an despus de ponderar los
diferentes criterios con precisin, sea suministrado con un mtodo cuyos resultados no lo satisfacen
porque la solucin obtenida ya no est de acuerdo con su escala de preferencias reales. Muchos
cientficos sostienen que el tomador de decisiones no est satisfecho porque es inconsistente en sus
preferencias, y de ese modo se olvidan que un tomador de decisiones representa la realidad a la que
debe ser adaptado el modelo matemtico. Por lo tanto, a menos que admitamos explcitamente que el
modelo es puramente formal, la irracionalidad est en el modelo, y no en el tomador de decisiones!
(2)
Otro punto importante concierne a la interpretacin del significado de las ponderaciones
brindadas por el tomador de decisiones. Las ponderaciones tambin se usan para referirse tanto a
factores de escala como a coeficientes de importancia. Este significado est ntimamente conectado
con un rasgo importante de los mtodos multicriterio, como es el concepto de compensacin
(Vansnick, 1986; Vincke, 1992).
En el caso de mtodos no compensatorios, la informacin que se necesita entre los criterios es
una relacin de relativa importancia entre las coaliciones de criterios. Este concepto de relativa
importancia muchas veces se traduce en nmeros llamados pesos2.
En el caso de mtodos compensatorios (por ej., suma ponderada) se debe considerar a los pesos
como factores de escala y entonces su significado es de un ratio de equilibrio.
Las consideraciones mencionadas arriba suponen que dado un procedimiento de agregacin,
debera haber consistencia entre el procedimiento de agregacin utilizado y las preguntas que se le
hacen al tomador de decisiones para obtener un conjunto de pesos. De lo contrario se corre el riesgo de
combinar tcnicas de ponderacin con modelos de agregacin con los que no son compatibles
tericamente.

En los mtodos ELECTRE, el concepto de importancia de un criterio es tomado en cuenta por medio de
- su peso (coeficiente de importancia), y
- su umbral de veto

14

An si se obtienen los pesos en un procedimiento consistente y bien definido, puede suceder

que dichos pesos no estn determinados con precisin (esta situacin es muy comn cuando estn
involucrados diversos actores en el proceso de decisin). En estos casos hay dos soluciones posibles:
anlisis de sensibilidad que busca verificar (por medio de diferentes vectores de pesos) la robustez y
estabilidad de los resultados obtenidos dentro del vector inicial de pesos. Pero como se ha notado
debe reconocerse que este procedimiento no trata de forma directa y especfica con pesos
imprecisos, siendo solamente una manera de evitar el problema (Bana e Costa, 1990b);
procedimientos que buscan enfrentarse directamente a situaciones con poca informacin de valores
de ponderacin (por ej., Outwiegh Analysis, Bana e Costa, 1990b; Regime Analysis, Nijkamp et al.,
1990). Un problema comn de este tipo de procedimientos es que se deben hacer muchas
suposiciones para que sean axiomatizados correctamente.
(3)
En los casos de decisiones sociales, a menudo es imposible establecer una ponderacin de los
diferentes criterios que satisfaga a todos los tomadores de decisiones. Por esta razn, despus del
experimento de la construccin de la red de transporte subterrneo de Pars, en ELECTRE IV, Roy
decidi eliminar la ponderacin de criterios.
3.6
ELECCIN DE UN PROCEDIMIENTO DE AGREGACIN
3.6.1 ENFOQUES DE LA TEORA DE UTILIDAD
3.6.1.1 TEORA DE UTILIDAD MULTIATRIBUTO (TUMA)
Esta teora est basada en las siguientes hiptesis: en cualquier problema de decisin existe una
funcin U de valor real definida en el conjunto A de acciones viables, que el tomador de decisiones
desea examinar de forma consciente o no. Esta funcin suma los diferentes criterios tomados en
consideracin, de manera que se puede formular al problema como
max U(gi(a)) : aA

(8)

donde U(gi(a)) es un valor o una funcin de utilidad que suma los m criterios (por consiguiente se
reemplaza un problema multicriterio con uno monocriterio). El rol del analista es determinar esta
funcin. Las funciones ms comunes son la forma lineal3 o multiplicativa (Bell et al., 1977; Keeney y
Raiffa, 1976).
La suposicin subyacente ms importante de este enfoque es la identificacin de la racionalidad
humana con la consistencia. Ms analticamente, se asume que las relaciones de preferencia del
tomador de decisiones estn completamente preordenadas, o sea:
todos los estados son comparables,
transitividad de la relacin de preferencia,
transitividad de la relacin de indiferencia.
3

Se puede usar la forma lineal slo si la condicin de independencia de preferencias es vlida. Un subconjunto de atributos
A es preferentemente independiente de Ac (el complemento de A) si y slo si cualquier preferencia condicional entre los
elementos de A, manteniendo a todos los elementos de A fijos, se mantiene igual, sin importar los niveles en los que Ac sea
vlido. Los conjuntos de objetivos F1 , F2 , ... , Fn son mutuamente preferentemente independientes si todos los
subconjuntos de A son preferentemente independientes de su complemento Ac.

15

Por consiguiente, en el axioma de comparabilidad transitiva completa, se pueden modelar a las

preferencias por medio de las relaciones binarias I y P con las siguientes propiedades:
I (indiferencia): reflexiva, simtrica y transitiva,
P (preferencia estricta): irreflexiva, asimtrica y transitiva.
Simon (1983) nota que los seres humanos no tienen a su disposicin ni los hechos ni la estructura
consistente de valores ni la capacidad de razonamiento necesaria para aplicar los principios de la teora
de utilidad. Por ejemplo, la suposicin de que el comportamiento humano es transitivo puede suscitar
diversas paradojas, como la famosa de las tasas de caf (Luce, 1956). Si Ti representa una tasa de caf
conteniendo i miligramos de azcar, es obvio que nadie que compare las tasas de caf va a notar una
diferencia de un miligramo, pero por lo general mostrar una preferencia entre una tasa de caf con
mucha azcar y otra sin azcar. Esto contradice la transitividad de la relacin de indiferencia (y una
vez ms surge la cuestin del umbral de indiferencia!)
Desde un punto de vista matemtico, un concepto TUMA muy importante es el de ndice
marginal de sustitucin, ya que formaliza la idea de compensacin.
Sea gr un criterio dado, una primera definicin aproximada de un ratio de equilibrio es el aumento
necesario del criterio gr para compensar la prdida de una unidad en el criterio gi
Sgir tal que (g1, ..., gi-1,..., gr+Sgir,...,gn) I (g1, ..., gi,...,gr,...,gn).
(9)
Se puede dar una definicin ms precisa cada vez que se pueda diferenciar a U(g):
U ( g)

Sgir U ( g )

(10)

Como el TUMA permite una total compensacin entre todos los criterios, se define como un modelo
totalmente compensatorio.
En resumen, este enfoque tiene las siguientes consecuencias:
(1) se reemplaza un problema multicriterio por uno monocriterio;
(2) se reemplaza un problema que no est bien establecido por uno que s lo est;
(3) se reemplaza un problema en el que las acciones son incomparables por uno en el que todas las
acciones son comparables;
(4) las evaluaciones de los diferentes criterios son totalmente compensatorias;
(5) no se pueden usar umbrales de indiferencia ni de preferencia.
Estas consecuencias implican que a veces la naturaleza del problema de decisin puede estar
completamente cambiada.

16

3.6.1.2

EL PROCESO ANALTICO JERRQUICO (PAJ)

Este mtodo fue desarrollado por Saaty (1980). El PAJ estructura al problema de decisin en
niveles que corresponden a la comprensin que tiene el individuo de la situacin: metas, criterios,
subcriterios y alternativas. Al dividir al problema en niveles, el tomador de decisiones puede centrarse
en conjuntos ms pequeos de decisiones. El PAJ est basado en 4 axiomas principales:
(1) Dadas dos alternativas (o subcriterios) cualesquiera, el tomador de decisiones puede comparar
ambas alternativas bajo cualquier criterio en una escala de razn recproca.
(2) Cuando el tomador de decisiones compara dos alternativas cualesquiera, nunca considera que una
es infinitamente mejor que la otra bajo ningn criterio.
(3) Se puede formular el problema de decisin como una jerarqua.
(4) Todos los criterios y alternativas que tienen un impacto en un problema de decisin se representan
en la jerarqua.
Los axiomas arriba mencionados describen las dos funciones bsicas del PAJ: formular y
resolver problemas como una jerarqua, y formar una opinin comparando dos alternativas (Harker,
1989). La obtencin de prioridades para un conjunto dado de alternativas con un criterio dado implica
completar un matriz nn, donde n es el nmero de alternativas a ser consideradas. Sin embargo, como
se asume que las comparaciones son recprocas, se necesita responder solamente n(n-1)2 de las
comparaciones. Saaty propuso un enfoque de vector propio para estimar las ponderaciones de una
matriz de pares ordenados. El enfoque de vector propio es un mtodo tericamente y prcticamente
probado para estimar las ponderaciones. El vector propio tiene tambin una interpretacin intuitiva en
el sentido en que es un promedio ponderado de todas las maneras posibles de pensar sobre un conjunto
dado de alternativas.
Despus de estimar las ponderaciones, se le brinda al tomador de decisiones una medida de la
inconsistencia de las comparaciones de las dos alternativas dadas. Es importante notar que el PAJ no
requiere que los tomadores de decisiones sean consistentes, sino que proporciona una medida de
inconsistencia y un mtodo para reducir esta medida si se considera que es demasiado grande.
Despus de crear un conjunto de ponderaciones para cada alternativa bajo cualquier criterio, la
prioridad global de las alternativas se calcula por medio de un funcin lineal y aditiva.
3.6.1.3
ENFOQUES DE LA TEORA DE UTILIDAD QUE SE LE DAN A LA
EVALUACIN CUALITATIVA MULTICRITERIO
Como se sabe de la teora de medicin (Roberts, 1979; Vansnick, 1990), al estructurar un
problema, dado un conjunto A y alguna informacin de este conjunto, hay una necesidad de expresar
esta informacin mediante la asignacin de un nmero real m(a) a cada elemento aA. Este nmero
real se llama la medida de a y la aplicacin m:AR se llama escala de medida. Las escalas
fundamentales de medida son
escala nominal
escala ordinal
escala de intervalo
escala de razn.

17

Para hacerlo ms sencillo, llamaremos informacin cualitativa a la informacin medida en una

escala nominal u ordinal, e informacin cuantitativa a la informacin medida en un intervalo o en una
escala de razn. En la teora de evaluacin multicriterio, se hace una clara distincin entre los mtodos
cuantitativos y cualitativos. Esencialmente hay dos enfoques para manejar la informacin cualitativa:
uno directo y otro indirecto (Munda et al., 1994; Nijkamp et al., 1990). En el enfoque directo, la
informacin cualitativa se usa directamente en un mtodo de evaluacin cualitativa; en el enfoque
indirecto, la informacin cualitativa primero se transforma en informacin cardinal, y despus se usa
uno de los mtodos cuantitativos existentes. La transformacin en informacin cardinal es
especialmente atractiva en el caso en que la informacin disponible sea mixta (cualitativa y
cuantitativa). En este caso, la aplicacin de un mtodo directo implicara por lo general que solamente
se usa el contenido cualitativo de toda la informacin disponible (cualitativa y cuantitativa), lo que
provocara un uso ineficiente del mismo. En el enfoque indirecto, se evita esta prdida de informacin;
la cuestin est en si hay fundamento suficiente para aplicar un cierto esquema de cardinalizacin. El
mtodo del valor esperado (Rietveld, 1984, 1989) y las tcnicas de escala multidimensional (Kruskal,
1964; Keller y Wansbeek, 1983; Nijkamp, 1979) son dos ejemplos de cardinalizacin de una matriz de
evaluacin cualitativa.
(1)
En el mtodo del valor esperado los puntajes ordinales de un criterio son reemplazados por
puntajes cuantitativos usando un procedimiento de transformacin que busca obtener el centroide de un
conjunto polidrico convexo S consitente con la informacin ordinal subyacente. Est demostrado que
el valor esperado es idntico al centroide del poliedro S. Se debe notar que la distribucin estadstica,
normalmente usada como un procedimiento de transformacin, produce una curva de cardinalizacin
lineal. Si se desea obtener una estructura cncava, se puede demostrar que la funcin de densidad de
probabilidad debe ser escrita nuevamente de una manera ms compleja. Sin embargo, por medio de la
integracin, Rietveld (1989) demuestra que se puede obtener una serie de valores esperados exactos.
Estos resultados pueden ser interpretados una vez ms en trminos del centroide de un determinado
poliedro. Ahora la suma ponderada puede usarse para clasificar las alternativas.
(2)
Un enfoque completamente diferente de la cardinalizacin es el uso de tcnicas de escala
multidimensional. Estas tcnicas buscan transformar una entrada de informacin cualitativa en una
salida cardinal de menor dimensionalidad. En un sentido, una tcnica de escala puede ser vista como un
tipo de anlisis de componente principal cualitativo. Est claro que varios conceptos del anlisis de
escala multidimensional tambin pueden ser aplicables a problemas ordinales de criterio mltiple. Por
ejemplo, se puede usar una tcnica de escala para transformar una matriz de evaluacin cualitativa en
una matriz cardinal con menor dimensionalidad. Por lo cual la configuracin cardinal de la matriz
cualitativa inicial proporciona un cuadro mtrico de las distancias Euclidianas tanto entre las
alternativas como entre los efectos. Esta es una operacin estndar comn. Una limitacin de este
elegante pero complejo enfoque de evaluacin es que necesita de un nmero suficiente de grados de
libertad para permitir una escala multidimensional. Esto implica que a menos que se use un nmero
suficiente de criterios de evaluacin, no se puede obtener ningn resultado de escala consistente
(Nijkamp et al., 1990).

18

Un ejemplo de un mtodo multicriterio que puede usar informacin mixta es el llamado mtodo
REGIME; este mtodo se basa en operaciones de comparacin de dos alternativas. Desde este punto de
vista tiene algo en comn con los mtodos de supremaca. Sin embargo est basado en un modelo
aditivo lineal ponderado, por lo que puede clasificarse como un mtodo de utilidad (Hinloopen y
Nijkamp, 1990; Nijkamp et al., 1990). Su punto de partida es una matriz de evaluacin ordinal y un
vector de peso ordinal. Dada la naturaleza ordinal de los criterios de evaluacin, por medio de la
comparacin de dos alternativas, no se le presta ninguna atencin al tamao de la diferencia entre los
impactos de alternativas; solamente se tiene en cuenta el signo de la diferencia. Se interpreta que los
pesos ordinales se originan de pesos cuantitativos desconocidos. Se define a un conjunto A que
contiene a todo el conjunto de pesos cuantitativos que se ajustan a la informacin prioritaria cualitativa.
En algunos casos el signo ser igual para todo el conjunto S, y las alternativas pueden ser clasificadas
en consecuencia. En otros casos el signo de la comparacin de dos alternativas no puede determinarse
claramente. Se salva esta dificultad dividiendo al conjunto de pesos posibles de manera que se pueda
sacar una conclusin definitiva acerca del signo de la comparacin de dos alternativas para cada
subconjunto de pesos. Se asume que la distribucin de los pesos dentro de S es uniforme y por lo tanto
los tamaos relativos de los subconjuntos de S pueden ser interpretados como la probabilidad de que se
prefiera a la alternativa a que a la alternativa b. Luego se suman alternativas para obtener una
clasificacin global de las alternativas, basada en un ndice de xito o puntaje de xito.
Otro mtodo interesante para manejar informacin mixta es el mtodo EVAMIX (Voogd,
1983). El enfoque EVAMIX trata de la construccin de dos medidas: una trata nicamente los criterios
ordinales y la otra los criterios cuantitativos. Haciendo varias suposiciones de estandarizacin y de
agregacin, se pueden definir varios mtodos mediante los que se puede calcular un puntaje de
evaluacin para cada alternativa. Las suposiciones ms importantes detrs del enfoque EVAMIX se
refieren a la definicin de las diversas funciones de estandarizacin (por lo menos se pueden distinguir
tres tcnicas diferentes). Otras suposiciones se refieren a los pesos para los criterios ordinales y
cardinales, y por ltimo a la relacin aditiva de la medida de dominancia global. La estructura global
del mtodo EVAMIX se sintetiza en la Figura 4.
Un problema relacionado con todos los mtodos multicriterio que tratan de tomar en cuenta a la
informacin mixta, pero que es evidente fundamentalmente en el enfoque EVAMIX, es el problema de
la equivalencia de los procedimientos usados para estandarizar las diferentes evaluaciones del
comportamiento de las alternativas segn criterios diferentes. Se han desarrollado tcnicas matemticas
que tratan este problema en el llamado mtodo NAIADE (Munda, 1995). No obstante, debe notarse
que en NAIADE la informacin cualitativa se representa mediante conjuntos difusos y no mediante
informacin ordinal.

19

MATRIZ DE EVALUACIN
MIXTA
Criterios Cardinales

Criterios Ordinales

Estandarizacin

Estandarizacin

Puntajes de Dominancia Global

EVALUACIN

Figura 4. Esquema de EVAMIX

3.6.2 MTODOS DE SUPERACIN

Este enfoque est basado en lo que Roy llama axioma fundamental de comparabilidad
parcial (Roy, 1985); segn este axioma, se pueden modelar las preferencias mediante cuatro
relaciones binarias I (indiferencia), P (preferencia estricta), Q (gran preferencia), y R
(incomparabilidad).
Mediante la relacin de gran preferencia, se pueden obtener todas las otras relaciones:
aPb aQb y no bQa
aIb aQb y bQa
aRb no aQb y tampoco bQa
Para evitar dar un rol discriminativo a diferencias que casi no tienen importancia, se introducen
umbrales de indiferencia y de preferencia.
Un criterio g es un pseudo-criterio si existen dos funciones umbrales q(g) (umbral de indiferencia) y
s(g) (umbral de supuesta preferencia) tal que si g(a)g(b):
(1)

g(a)>g(b)+s(g(b)) aPb

(2)

g(b)+q(g(b))<g(a)g(b)+s(g(b)) aQb

20

(3)

g(b)g(a)g(b)+q(g(b)) aIb

Se puede encontrar una representacin grfica de un pseudo-criterio en la Figura 5.

Este tipo de modelo puede presentar una falta grave de estabilidad. De hecho pueden
imaginarse ejemplos en donde pequeas variaciones de los puntajes conducen a importantes
variaciones de pseudo-orden, y por consiguiente a diversas frmulas contradictorias. Estas
discontinuidades no deseables hacen que sea necesario un anlisis de sensibilidad (o anlisis de
robustez) (Perny y Roy, 1992).
aPb

aQb

aIb

rea de
preferencia
estricta

rea de
poca
preferencia

rea de
indiferencia

bIa

bQa

bPa

rea de poca
preferencia

rea de
preferencia
estricta

Figura 5. Estructura de un Pseudo-Criterio

De acuerdo a la presencia de umbrales, se aplica la siguiente clasificacin:

un semi-criterio es un pseudo-criterio tal que s(g) = q(g);
un pre-criterio es un pseudo-criterio tal que q(g) = 0 o no est definido;
un criterio verdadero es un pseudo-criterio tal que s(g) = q(g) = 0.
El criterio verdadero es el modelo clsico usado en la teora de decisiones; los dos primeros
usando el concepto de umbral permiten situaciones modelo para las cuales la indiferencia no es
transitiva.
El concepto de comparabilidad parcial es la base de los llamados mtodos de superacin.
Estos estn basados en la interpretacin de que, por lo general, en los problemas multicriterio la
relacin de dominancia es mala porque est basada en un consenso de puntos de vista. Por consiguiente
una accin a est jerrquicamente por encima de una accin b slo si a es por lo menos tan buena
como b en todos los criterios considerados. El concepto detrs de los mtodos de superacin es que se
puede enriquecer la relacin de dominancia solamente si hay informacin realista disponible; de
manera que hay una estructura formal entre la relacin de dominancia que es demasiado dbil y el
preorden total de las funciones de utilidad. Al usar mtodos de superacin, algunas acciones
incomparables se vuelven comparables porque existe informacin realista, pero sin embargo otras
acciones siguen siendo incomparables.
En resumen, estos modelos consisten en agrupar los criterios en una relacin parcialmente
binaria aSb (relacin de superacin) basada en los ndices de concordancia y discordancia, y luego en
explotar esta relacin. Cada uno de estos dos pasos puede ser tratado de varias maneras segn la
formulacin del problema y el caso particular considerado.

21

A modo de ejemplo pensemos en un Parlamento. Puede considerarse a la coalicin concordante

como la suma de los votos de los miembros a favor de una opcin dada. Segn la norma de mayoras
en las democracias, esta opcin ser aprobada si obtiene por lo menos un 50% de los votos. Segn la
tradicin normativa de la filosofa poltica, todas las coaliciones, por ms pequeas que sean, deben
tener alguna fraccin del poder de decisin. Una medida de este poder es la capacidad de vetar algunos
subconjuntos de resultados. Esto explica el uso de la condicin de no discordancia. Tambin debe
notarse que en la coalicin concordante la cantidad de criterios es contada, o sea, slo se usa
informacin ordinal. Al calcular el ndice de discordancia, se considera la intensidad de dicha
discordancia.
Como ejemplo, presentaremos brevemente a ELECTRE 1 cuando se aplica a una familia de
criterios sin umbrales de discriminacin. En ELECTRE 1 se acepta la proposicin aSb si la coalicin
concordante C(aSb) = {giG : gi(a)gi(b)} es suficientemente importante (condicin de concordancia) y
si en los otros criterios la diferencia gi(b) - gi(a) no es demasiado grande (condicin de no
discordancia). La importancia de una coalicin se representa mediante la suma de las ponderaciones
(wi) de los criterios pertenecientes a esa coalicin. Por consiguiente el ndice c(a, b) definido por:

c(a, b) =

i C ( aS b )

(11)

i 1

representa la importancia relativa de C(aSb) entre el conjunto de criterios. Si C (aSb) es

suficientemente importante o no se decide despus comparando c(a, b) con un umbral s 1/2 llamado
umbral de concordancia.
Para determinar qu diferencias en los criterios discordantes se consideran que son demasiado
grandes, se define un umbral de veto vi (que puede variar con gi) en cada criterio de manera tal que la
existencia de un criterio discordante como gi(b) - gi(a) vi prohibe la aceptacin de aSb cualquiera que
sea el valor de c(a, b). Por consiguiente en ELECTRE 1:
aSb [ c(a, b) s y gi(b) - gi(a) < vi iC(aSb)

(12)

Una propiedad comn de estos mtodos es que son total o parcialmente no compensatorios.
Para una amplia discusin del concepto de compensacin en MCDA ver (Bouyssou, 1986; Vansnick,
1986).
Ejemplos de otros procedimientos de agregacin son el modelo lexicogrfico, los enfoques del
punto ideal y los modelos de niveles de aspiracin.
3.6.2.1
ENFOQUES DE SUPERACIN PARA LA EVALUACIN MULTICRITERIO
CUALITATIVA
MELCHIOR (Leclercq, 1984) fue desarrollado para el caso en que haya una relacin de
importancia en los criterios, pero no se desea cuantificarla con ponderaciones, por lo que se usan

22

solamente relaciones de importancia ordinal. En este mtodo se toma en consideracin una familia de
m pseudo-criterios. La idea bsica es decir que a supera a b si los criterios que son desfavorables para
la ltima afirmacin estn escondidos por aquellos que estn a su favor y si no existe ningn criterio
gj tal que gj(b) > gj(a) + vj, donde vj es un umbral de veto.
Para poder definir qu son criterios favorables y desfavorables en una relacin de
superacin dada, y para explicar qu significa criterios escondidos por otros criterios, el autor
propone varias definiciones. Al elegir dos combinaciones de definiciones, una ms estricta que la otra,
se obtiene una relacin de supremaca fuerte y una dbil que a la vez son explotadas como en el mtodo
ELECTRE IV. Vincke (1992) nota que la eleccin de combinacin de definiciones no es arbitraria,
sino que se puede obtener un conjunto de combinaciones coherentes.
El mtodo ORESTE (Pastijn & Leysen, 1989) fue desarrollado para el caso en que tanto las
ponderaciones como los puntajes de los criterios sean de naturaleza ordinal. Este mtodo puede
dividirse en dos fases principales:
fase 1: construccin de un orden dbil global (completo) en el conjunto A de acciones factibles;
fase 2: construccin de una estructura de preferencia incompleta en A, despus de un anlisis de
indiferencia y de conflicto.
Se clasifican a las acciones por medio de una metodologa similar al famoso mtodo de
clasificacin ordinal aditiva de Borda (Moulin, 1988). ORESTE es muy discriminatorio con respecto a
acciones opuestas y permite relaciones de incomparabilidad. La relacin de preferencia global obtenida
es de naturaleza transitiva. Este mtodo no es exclusivamente ordinal, ya que se introducen algunos
aspectos cuantitativos en el manejo de la informacin.
DAvignon y Vincke (1988) desarrollaron un mtodo para manejar situaciones en las que los
puntajes de los criterios estn bajo la forma de distribuciones de probabilidad. Las caractersticas
fundamentales de este mtodo son:
est basado en la comparacin de dos acciones;
conserva, la mayor cantidad de tiempo posible, la caracterstica distribucional de los puntajes de
criterios y no los reemplaza desde el comienzo por un nmero nico (por ej. media);
se incorpora la idea de importancia relativa de criterios en el mtodo.
Los diferentes pasos del mtodo tienen puntos en comn con los mtodos PROMETHEE (Brans et al.,
1986) y ELECTRE.
Como se puede ver, se han desarrollado diferentes enfoques interesantes de supremaca con
respecto a diferentes aspectos de informacin cualitativa en la evaluacin multicriterio. Sin embargo,
ninguno de ellos maneja las cuestiones de informacin mixta ni de incertidumbre difusa. Esta es la
razn principal por la que se ha desarrollado NAIADE (Munda, 1995).
Lo ideal sera que la informacin fuese precisa, segura, exhaustiva e inequvoca. Pero en la
realidad muchas veces es necesario usar informacin que no tiene esas caractersticas, de manera que
uno tiene que enfrentarse a la incertidumbre de la naturaleza estocstica y/o difusa presente en la
informacin. Si resulta imposible establecer exactamente el estado futuro del problema que se enfrenta,
se crea una incertidumbre estocstica; este tipo de incertidumbre es bien conocida; ha sido estudiada a
fondo en la teora de probabilidad y en estadstica.

23

Otro marco de incertidumbre, llamado incertidumbre difusa, se focaliza en la ambigedad de la

informacin en el sentido en que la incertidumbre no concierne a la ocurrencia de un acontecimiento
sino al acontecimiento en s mismo, que no puede ser descrito claramente (Zadeh, 1965). Este tipo de
situacin es fcilmente identificable en sistemas complejos. Los sistemas espaciales o del medio
ambiente en particular son sistemas reflexivos complejos caracterizados por la subjetividad, lo
incompleto y la imprecisin (por ej., los procesos ecolgicos son bastante inciertos y se conoce muy
poco acerca de su sensibilidad a los factores de tensin como ser diversos tipos de contaminacin). La
teora difusa es una teora matemtica que es til para modelar situaciones de este tipo, o sea, busca
describir - en trminos de incertidumbre difusa -algunas de las indeterminaciones del sistema
socioecolgico en estudio (Munda, 1995).
Zadeh (1965) escribe: a medida que aumenta la complejidad de un sistema, nuestra capacidad
de hacer una afirmacin precisa y significativa de su comportamiento disminuye hasta que se llega a un
umbral debajo del cual la precisin y la trascendencia (o relevancia) se convierten en caractersticas
casi mutuamente excluyentes. Por lo tanto en estas situaciones son comunes las afirmaciones como la
calidad del entorno es buena, o la tasa de desempleo es baja. La teora difusa es una teora
matemtica para modelar situaciones, en la que no se pueden usar lenguajes tradicionales para modelar
que sean de carcter dicotmico e inequvocos en su descripcin.
Se desarroll un nuevo mtodo multicriterio en Munda (1995), llamado NAIADE (enfoque
original sobre los entornos imprecisos de evaluacin y decisin) basado en algunos aspectos del
axioma de comparabilidad parcial de Roy. Es un mtodo multicriterio discreto cuya matriz de
impacto (o de evaluacin) puede incluir medidas deterministas, estocsticas o difusas del
comportamiento de una alternativa an con respecto a un criterio de clculo gm, por lo que es muy
flexible en aplicaciones a la vida real. Desde un punto de vista emprico, este modelo es
particularmente apropiado para modelos econmicos-ecolgicos que incorporan diversos grados de
precisin en las variables tomadas en consideracin (Munda et al., 1995). Desde un punto de vista
metodolgico, se manejan dos temas fundamentales:
el problema de equivalencia de los procedimientos usados para estandarizar las diversas
evaluaciones (de tipo mixto) del comportamiento de alternativas segn diferentes criterios;
el problema de la comparacin de nmeros difusos tpico de todos los mtodos multicriterio difusos.
Como en la gestin del medio ambiente y de los recursos y en la poltica que busca un
desarrollo ecolgico sostenible surgen muchos temas e intereses opuestos, se le debe dar particular
atencin al problema de los diferentes valores y metas de los diferentes grupos en la sociedad. Se
introduce la equidad y los valores opuestos en la ayuda de decisin multicriterio de dos maneras
diferentes:
(1)
ponderando los diferentes criterios. Una desventaja de este enfoque es que en la toma de
decisiones pblica una solucin con un nico valor (por ej. pesos) por lo general tiende a conducir a un
impasse en el proceso de decisin porque impone condiciones demasiado rgidas para llegar a un
acuerdo;

24

(2)
tomando en consideracin un conjunto de criterios ticos de evaluacin. Un punto dbil de este
enfoque es que podra llevar a un nmero excesivo de criterios de evaluacin. Adems, identificar
criterios ticos puede ser una tarea difcil.
En NAIADE se propuso una tercer posibilidad: el uso de procedimientos de anlisis de
discrepancias a ser integrados con la evaluacin multicriterio para que los encargados de hacer las
polticas puedan buscar decisiones defendibles que reduzcan el grado de discrepancia (para llegar a
cierto grado de consenso) o que puedan tener un mayor nivel de equidad en los diferentes grupos de
ingresos. Comienza con una matriz que muestra los impactos de diferentes cursos de accin en cada
grupo de ingreso/inters diferente, y se usa un procedimiento de agrupacin difusa indicando los
grupos cuyos intereses estn ms cerca en comparacin a los dems.
3.6.3 EL MODELO LEXICOGRFICO
Este es el modelo usado para poner en orden las palabras en un diccionario, la primer letra
representa al primer criterio, la segunda letra al segundo criterio, y as sucesivamente. Para usar el
modelo, el tomador de decisiones debe darle un orden absolutamente estricto a los criterios:
1>2>...i>...>m

(13)

donde g1 sera el criterio ms importante y gm el menos importante. En el modelo lexicogrfico,

primero se clasifica a todas las acciones por medio del primer criterio, luego, si existen algunas
acciones diferentes, stas son exploradas ms a fondo por medio del segundo criterio, y as
sucesivamente. Se debe notar que este procedimiento es totalmente no compensatorio. Los rdenes
lexicogrficos por lo general dan lugar a una seleccin sencilla de la alternativa preferida. Sin
embargo la mayora de la informacin recogida en alternativas no desempear un papel en el proceso
de eleccin. El modelo lexicogrfico puede combinarse con otros enfoques diferentes; por ej., mtodos
de programacin multiobjetivo (Isermann, 1982).
3.6.4 ENFOQUES DEL PUNTO IDEAL
Ackoff (1978) escribe: un resultado que se desea en ltima instancia se llama un ideal. Si se
formula un problema en trminos de abordar una solucin ideal, se minimizan los riesgos de pasar por
alto consecuencias relevantes en la toma de decisiones. Buscar el ideal es la mejor manera de abrir y
estimular la mente hacia la actividad creativa. De forma breve, la filosofa subyacente en los mtodos
multicriterio basada en los conceptos del punto ideal puede sintetizarse como sigue (Yu, 1973, 1985;
Zeleny, 1974, 1982). Los problemas multicriterio se caracterizan por discrepancias debido a la ausencia
percibida de una alternativa prominente; por lo tanto la nica manera de que desaparezcan las
discrepancias es encontrar o inventar el punto ideal. La nica manera de disminuir la intensidad de las
discrepancias es encontrar o generar alternativas que estn lo ms cerca posible al punto ideal. Coombs
(1958) asume que hay un nivel ideal de atributos para los objetos de eleccin y que las ganancias del
tomador de decisiones disminuyen de forma montona a ambos lados del punto ideal. Seala que las
probabilidades de eleccin dependen de si las alternativas comparadas estn del mismo lado del ideal o
del otro lado del mismo. Los procedimientos del punto ideal se caracterizan por el siguiente axioma de

25

eleccin: se prefieren aquellas alternativas que estn ms cerca del ideal a aquellas que estn ms
lejos. Estar lo ms cerca posible del ideal percibido es la lgica de la eleccin del ser humano.
Un concepto similar a la alternativa ideal - su reflejo - lo anti-ideal puede definirse en cualquier
conjunto limitado de forma apropiada de alternativas factibles. La pregunta es entonces, los seres
humanos buscan estar lo ms cerca posible de este ideal o lo ms lejos posible del anti-ideal? Zeleny
(1982) escribe: nuestra respuesta a la pregunta es: ambas cosas. De hecho proponemos que el ser
humano es capaz de cambiar de un rgimen al otro segn las circunstancias del proceso de
decisin...Naturalmente, el equilibrio basado en lo ideal no es idntico al equilibrio basado en lo antiideal. Este hecho puede ser usado para reducir an ms el conjunto de soluciones disponibles si se
considera la interaccin de ambos equilibrios.
Uno de los enfoques tradicionales del punto ideal es calcular la distancia de cada accin con
respecto al punto ideal y despus clasificarlas de acuerdo a su proximidad del mismo. Un problema
relacionado con este enfoque es que se considera a cada accin en forma totalmente independiente del
conjunto de todas las dems acciones; se supone que el ser humano compara cada accin con el ideal
ms que entre s. Por el contrario, en la literatura de la evaluacin multicriterio se asume que una
propiedad deseable es que la clasificacin de las acciones debe ser tambin una funcin de la relacin
entre las diferentes acciones tomadas en consideracin. Una manera posible de hacerlo es recalcular las
distancias de todas las alternativas restantes cada vez que se saca una del conjunto de acciones
factibles. Como se comparan a todas las alternativas con el ideal, aquellas que estn ms lejos no
siguen siendo consideradas. Estas decisiones parciales traen aparejadas muchas consecuencias
importantes. Primero, cada vez que se deja de considerar una alternativa podra ocurrir un cambio
desde un puntaje mximo alcanzable hacia el prximo nivel de factibilidad ms bajo. De este modo la
alternativa ideal puede ser desplazada ms cerca del conjunto factible. Por consiguiente el hecho de
quitar cualquier alternativa afecta la clasificacin de las dems alternativas en cuanto a su cercana del
ideal. De forma similar, al agregar una nueva alternativa se podra alejar al ideal mediante la elevacin
de los niveles alcanzables de los atributos (Zeleny, 1982). Un punto dbil de este procedimiento es
que la clasificacin de las alternativas se ve afectada al cambiar el punto ideal, que es una accin
artificial. Por el contrario, sera deseable que la clasificacin fuese una funcin de las acciones reales.
3.6.5 MODELOS DE NIVELES DE ASPIRACIN
Los niveles (o metas) de aspiracin expresan las ideas del tomador de decisiones acerca de los
resultados deseados para la decisin con respecto a determinado nivel que se busca para cada criterio u
objetivo. Hay un vnculo muy estrecho entre el concepto de nivel de aspiracin y la teora del
comportamiento satisfactorio (Simon, 1983).
La forma en que se suele tratar a los niveles de aspiracin es mediante la programacin de
metas (Spronk, 1981). Una ventaja de la programacin de metas es que siempre proporciona una
solucin an si ninguna de las metas es alcanzable, siempre que la regin factible no est vaca. Esto es
posible mediante el uso de variables desviacionales, que muestra si se lograron las metas o no. En el
segundo caso, miden la distancia entre los niveles logrados y los que se aspiran.
Un enfoque que puede verse como una generalizacin de la programacin de metas y de las
tcnicas del punto ideal es el mtodo de las funciones escalares de logro (Wierzbicki, 1982). La idea

26

fundamental es construir una base matemtica para satisfacer la toma de decisiones mediante la
presentacin de los deseos del tomador de decisiones como informacin bsica a priori bajo la forma
de niveles de aspiracin (puntos de referencia). Las funciones escalares de logro pueden considerarse
como una modificacin de las funciones de utilidad tradicionales.
4.

CONCLUSIONES
Tradicionalmente los criterios de eficiencia fueron utilizados como los criterios fundamentales
para evaluar el desarrollo econmico, la mejora en el bienestar, las perspectivas de crecimiento y el
valor social de planes. Durante las dos ltimas dcadas, qued sobreentendido que el bienestar es una
variable multidimensional que incluye, entre otras cosas, al ingreso promedio, al crecimiento, a la
calidad del medio ambiente, a la equidad distribucional, al suministro de servicios pblicos, a la
accesibilidad, etc. Por consiguiente deben tenerse en cuenta no solamente las consecuencias
monetarias, sino tambin los impactos que no tienen precio de las decisiones de polticas a seguir.
Esto implica que una evaluacin sistemtica de los planes o proyectos pblicos debe estar
basada en la distincin y en la medicin de un conjunto amplio de criterios. Como consecuencia las
tcnicas de evaluacin multicriterio son una herramienta apropiada para servir de modelo. No obstante,
se debe recordar que los mtodos multicriterio no son una panacea que pueden resolver todos los
problemas, sino que tienen sus puntos dbiles.
En la actualidad los problemas abiertos fundamentales y las direcciones relacionadas de
investigacin son los siguientes. Es posible una axiomatizacin matemtica completa de un enfoque
multicriterio? Cmo podemos evaluar las propiedades matemticas y descriptivas de un mtodo?
Adems, no es posible establecer a priori qu mtodo resulta mejor para un problema emprico dado,
sino que las condiciones en las que estos mtodos se aplican mejor dependen del contexto. Por lo tanto
el problema radica en elegir el mtodo correcto para determinado problema. Esto hace que el enfoque
sea ms flexible pero tambin ms confuso.
Es interesante notar que la filosofa analtica, las teoras de complejidad, la ciencia post-normal
y las teoras recientes de racionalidad conducen mediante diferentes vas a un enfoque no algortmico
de los problemas de decisin que puede ser operacionalizado mediante un marco multicriterio.
REFERENCIAS
ACKOFF, R. L. (1978) - The art of problem solving (Wiley, New York)
ARROW, K. J. (1951) - Social choice and individual values (Wiley, New York)
ARROW, K. J.; RAYNAUD, H. (1986) - Social choice and multicriterion decision making (M.I.T. Press, Cambridge)
BANA E COSTA, C. A. (ed.) (1990a) - Readings in multiple criteria decision aid (Springer-Verlag, Berlin)
BANA E COSTA, C. A. (1990b) - An additive value function technique with a fuzzy outranking relation for dealing with poor
intercriteria preference information, in Bana e Costa C. A. (ed.)- Readings in multiple criteria decision aid (SpringerVerlag, Berlin, pp. 351-382)
BANA E COSTA, C. A. (1993) - Les problmatiques dans le cadre de l'activit d'aide la dcision, Cahier du LAMSADE
(n. 80, Paris)
BELL, D. E.; KEENEY, R. L. and RAIFFA, H. (eds.) (1977) - Conflicting objectives in decision - (International series on
applied systems analysis- J. Wiley and Sons, New York)

27

BELL, D. E.; RAIFFA, H. and TVERSKY, A. (eds.) (1988) - Decision making: descriptive, normative and prescriptive
interactions (Cambridge University Press)
BOGETOFT, P.; PRUZAN, P. (1991) - Planning with multiple criteria (North-Holland, Amsterdam)
BOUYSSOU, D. (1986) - Some remarks on the notion of compensation in MCDM, European Journal of Operational Research
(26pp. 150-160)
BOUYSSOU, D. (1990) - Building criteria: a prerequisite for MCDA, in Bana e Costa C. A. (ed.) - Readings in multiple
criteria decision aid (Springer-Verlag, Berlin, pp. 58-80)
BRANS, J. P.; MARESCHAL, B. and VINCKE, Ph. (1986) - How to select and how to rank projects. The PROMETHEE
method, European Journal of Operational Research (vol. 24, pp. 228-238)
CAVALLO, R. (1979) - Science, systems methodology, and the "interplay between nature and ourselves", in Systems
methodology in social science research (Kluwer-Nijhoff, Boston, pp. 3-17)
COOMBS, C. H. (1958) - On the use of inconsistency of preferences in psychological measurement, Journal of Experimental
Psychology (vol. 55, pp. 1-7)
D'AVIGNON, G.; VINCKE, Ph. (1988) - An outranking method under uncertainty, European Journal of Operational Research
(36, pp. 311-321)
FAUCHEUX, S.; FROGER, G.; MUNDA, G. (1994) - Des outils d aide la decision pour la multidimensionalit systmique:
une application au dveloppement durable, Revue Internationale de Systmique (No. 15)
FROGER, G. and MUNDA, G. (1997) - Methodology for environmental decision support, in S. Faucheux and M. O'Connor
(eds.) - Valuation for sustainable development: Methods and policy indicators (Edward Elgar, Aldershot (in print))
FUNTOWICZ, S. O.; RAVETZ, J. R. (1991) - A new scientific methodology for global environmental issues, in R. Costanza
(ed.)- Ecological Economics (New York, Columbia, pp. 137-152)
FUNTOWICZ, S. O.; RAVETZ, J. R. (1994) - The worth of a songbird: ecological economics as a post-normal science,
Ecological Economics (10, pp. 197-207)
FUNTOWICZ, S. O.; O'CONNOR, M.; RAVETZ, J. R. (forthcoming) - Emergent complexity and ecological economics, in van
den Bergh and J. van der Straaten, Economy and ecosystems in change: analytical and historical approaches (Island
Press/ISEE, Washington D. C.)
GEACH, P. (1967) - Good and Evil, in P. Foot (ed.) - Theories of Ethics (Oxford University Press, Oxford)
GEOFFRION, A. M.; DYER, J. S.; FEINBERG, A. (1972) - An interactive approach for multicriterion optimization with an
application to the operation of an academic department, Management Science (n.23, pp. 357-368)
GUIMARAES PEREIRA, A.; MUNDA, G.; PARUCCINI, M. (1994) - Generating alternatives for siting retail and service facilities
using genetic algorithms and multiple criteria decision techniques, Journal of Retailing and Consumer Services (Vol. 1,
N. 1, pp. 40-47)
HARKER, P. T. (1989) - The art and science of decision making: the analytic hierarchy process, in Golden B. L., Wasil E.
A., Harker P. T. (eds.) - The analytic hierarchy process (Springer-Verlag, Berlin, pp. 3-36)
HINLOOPEN, E.; NIJKAMP, P. (1990) - Qualitative multiple criteria choice analysis, the dominant regime method- Quality
and quantity (24, pp. 37-56)
ISERMANN, H. (1982) - Linear lexicographic optimization, OR-Spektrum (4, pp. 223-228)
KEENEY, R.; RAIFFA, H. (1976) - Decision with multiple objectives: preferences and value trade-offs (Wiley, New York)
KELLER, W. J.; WANSBEEK, T. (1983) - Multivariate methods for quantitative and qualitative data, Journal of Econometrics
(vol. 22, pp. 91-111)
KLIR, G. J. (1969) - An approach to general systems theory (Van Nortrand, New York)
KORHONEN, P.; WALLENIUS, J. (1988) - A careful look at efficiency and utility in multiple criteria decision making: a
tutorial, W. P., Helsinki School of Economics, F-197.
KRUSKAL, J. B. (1964) - Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis, Psychometrika
(vol. 29, pp. 1-27)
LECLERCQ, J. P. (1984) - Propositions d'extension de la notion de dominance en prsence de relations d'ordre sur les
pseudo-critres: MELCHIOR, Revue Belge de Recherche Oprationelle, de Statistique et d' Informatique (24 (1), pp.
32-46)
LUCE, R. D. (1956) - Semiorders and a theory of utility discrimination, Econometrica (24, pp. 178-191)
KUHN, T. S. (1962) - The structure of scientific revolutions (University of Chicago Press, Chicago)

28

MARTINEZ-ALIER, J.; MUNDA, G.; ONEILL, J. (1997) - Weak comparability of values as a foundation for ecological
economics, to appear in Ecological Economics.
MOULIN, H. (1988) - Axioms of co-operative decision making (Econometric Society Monographs, Cambridge University
Press)
MUNDA, G. (1993) - Multiple criteria decision aid: some epistemological considerations, Journal of Multi-Criteria Decision
Analysis (vol. 2, pp. 41-55)
MUNDA, G.; NIJKAMP, P. and RIETVELD, P. (1994) - Qualitative multicriteria evaluation for environmental management.
Ecological Economics (10: 97-112)
MUNDA, G.; NIJKAMP, P. and RIETVELD, P. (1995) - Qualitative multicriteria methods for fuzzy evaluation problems,
European Journal of Operational research (N. 82, pp. 79-97)
MUNDA, G. (1995) - Multicriteria evaluation in a fuzzy environment. Theory and applications in ecological economics
(Physica-Verlag, Heidelberg)
MUNDA, G. (1996) - Cost-benefit analysis in integrated environmental assessment: some methodological issues, in
Ecological Economics (Vol. 19, N. 2, pp. 157 - 168)
NIJKAMP, P. (1979) - Multidimensional spatial data and decision analysis (Wiley, New York)
NIJKAMP, P.; VOOGD, M. (1985) - An informal introduction to multicriteria evaluation, in Fandel G., Matarazzo B., Spronk
J. (eds.)- Multiple criteria decision methods and applications (Springer-Verlag, Berlin-Heidelberg, pp. 27-40)
NIJKAMP, P.; RIETVELD, P. and VOOGD, H. (1990) - Multicriteria Evaluation in Physical Planning. (Amsterdam: NorthHolland)
NORESE, M. F. (1991) - A multiple criteria approach to complex situations, in Jackson et al. (eds.)- Systems thinking in
Europe (Plenum Press, New York, pp. 361-369)
O'CONNOR, M.; FAUCHEUX, S.; FROGER, G.; FUNTOWICZ, S. O.; MUNDA, G. (1996) - Emergent complexity and procedural
rationality: post-normal science for sustainability, in R. Costanza, O. Segura and Martinez-Alier J. (eds.) - Getting
down to earth: practical applications of ecological economics (Island Press/ISEE, Washington D.C., pp. 223-248)
O'NEILL, John (1993) - Ecology, Policy and Politics (Routledge, London)
OSTANELLO, A. (1990) - Action evaluation and action structuring: different decision aid situations reviewed through two
actual cases, in Bana e Costa C. A. (ed.)- Readings in multiple criteria decision aid (Springer-Verlag, Berlin, pp. 3657)
PASTIJN, H.; LEYSEN, J. (1989) - Constructing an outranking relation with ORESTE: Math. Computer Model (12 (10/11),
pp. 1255-1268)
PERNY, P.; ROY, B. (1992) - The use of fuzzy outranking relations in preference modelling, Fuzzy Sets and Systems (49,
pp. 33-53)
RIETVELD, P. (1984) - The use of qualitative information in macro-economic policy analysis, in Despontin M., Nijkamp P.
and Spronk J. (eds.) - Macro-economic planning with conflicting goals (Springer-Verlag, Berlin, pp. 263-280)
RIETVELD, P. (1989) - Using ordinal information in decision making under uncertainty, Systems Analysis, Modeling,
Simulation (vol. 6, pp. 659-672)
ROBERTS, F. S. (1979) - Measurement theory with applications to decision making, utility and the social sciences
(Addison-Wesley, London)
ROY, B. (1985) - Mthodologie multicritere d' aide la decision (Economica, Paris)
SAATY, T. L. (1980) - The analytic hierarchy process (McGraw Hill, New York)
SIMON, H. A. (1983) - Reason in Human Affairs (Stanford: Stanford University Press)
SPRONK, J. (1981) - Interactive multiple goal programming for capital budgeting and financial planning (Martinus Nijhoff,
Boston)
STEUER, R. E. (1986) - Multiple criteria optimization (Wiley, New York)
VANDERPOOTEN, D.; VINCKE, Ph. (1989) - Description and analysis of some representative interactive multicriteria
procedures, in Models and methods in multiple criteria decision making (edited by Colson G., De Bruyn Chr.,
Pergamon Press, Oxford, pp. 1221-1238)
VANSNICK, J. C. (1986) - On the problem of weights in multiple criteria decision making (the noncompensatory approach),
European Journal of Operational Research (24 pp. 288-294)

29

VANSNICK, J. C. (1990) - Measurement theory and decision aid- in Bana e Costa C.A. (ed.)- Readings in multiple criteria
decision aid (Springer-Verlag, Berlin, pp. 81-100)
VINCKE, Ph. (1992) - Multicriteria decision aid (Wiley, New York)
VOOGD, H (1983) - Multicriteria evaluation for urban and regional planning (London:Pion)
WIERZBICKI, A. P. (1982) - A mathematical basis for satisficing decision making, Mathematical Modelling (3, pp. 391405)
YU, P. L. (1973) - A class of solutions for group decision problems, Management Science (vol. 19, N. 8, pp. 936-946)
YU, P. L. (1985) - Multi criteria decision making: concepts, techniques and extensions (Plenum Press, New York)
ZADEH, L. A. (1965) - Fuzzy sets, Information and Control (8, pp. 338-353)
ZELENY, M. (1974) - A concept of compromise solutions and the method of the displaced ideal, Computers and Operations
Research (vol. 1, N. 4, pp. 479- 496)
ZELENY, M. (1982) - Multiple criteria decision making (McGraw Hill, New York)

30