Professional Documents
Culture Documents
En la vida real, existen numerosas situaciones y problemas que son reconocidos como
problemas multiobjetivo, es decir, no poseen un único criterio medible por el cual pueda
declararse que una solución sea completamente satisfactoria. Dicho de otra forma, este
tipo de problemas contiene múltiples criterios que han de satisfacerse o que han de ser
tenidos en cuenta. A menudo dichos criterios entran en conflicto unos con otros y no
existe una única solución que simultáneamente satisfaga a todos. Por tanto, la solución
que se pretenda obtener debe estar en concordancia con las preferencias del decisor.
A diferencia de los muchos estudios que se han realizado sobre el tema de optimización
de rutas de vehículos, la incorporación de aspectos medioambientales a los problemas es
un tema relativamente nuevo y de gran interés. La logística verde puede llevar asociado
más de un criterio de eficiencia en el problema, convirtiéndolo en un problema
multiobjetivo. En nuestra formulación del problema, los niveles de emisiones de CO2 y de
partículas contaminantes van a constituir objetivos adicionales, los cuales se desean
minimizar.
*
# , /
3 ' &
012 3 . 4 & 5 6
+,- . / ; 4 ,5
78 8 9:
Donde:
0 #
Sin ningún tipo de información sobre las preferencias del decisor y con igualdad de
importancia en los objetivos, no se puede decir que una solución es mejor que otra si no
la domina La solución a un problema de optimización multiobjetivo (POM) es el conjunto
de soluciones no dominadas llamadas conjunto de Pareto, que cumplen la propiedad de
Optimalidad de Pareto (Pareto, 1906):
Definición: Un punto, F
9 : es óptimo de Pareto si no existe otro punto, 9 :, tal que
3 ?3 F
y 3 G3 F
al menos en una función.
F
Esta definición dice que es un óptimo de Pareto si no existe ningún vector factible
9 :, que decremente algún criterio sin causar un incremento simultáneo en al menos
otro criterio.
,
# , /
Definición: Un punto, F
9 : es óptimo de Pareto débil si no existe otro punto, 9 :, tal
que 3 G3 F
8
Un punto es óptimo de Pareto débil si no existe otro punto que mejore todas las funciones
objetivo simultáneamente.
7 # 8# 6 89 & :
La matriz de pagos es una matriz que nos permite cuantificar el nivel de conflicto
existente entre los objetivos que se estén considerando. Se construye a partir de las
soluciones que optimizan independientemente cada objetivo. Con cada solución obtenida,
se construye un vector formado por los valores que toman las funciones objetivo en ese
problema y los valores que resultarían para los demás objetivos con esa solución. Se
obtiene así una matriz cuadrada en cuya diagonal principal se encuentra el punto ideal,
formado por los valores óptimos de cada uno de los objetivos. Este punto es en general
inalcanzable, a no ser que los objetivos no se encuentren en conflicto en cuyo caso el
problema multiobjetivo tendría una única solución. Igualmente, se puede definir el punto
utópico, como un punto inalcanzable, cuyas componentes de las diferentes funciones
objetivo poseen valores más ambiciosos que el del punto ideal. Por otra parte, el punto
Nadir representa una solución no deseada. Este vector se define por los peores valores
de las funciones objetivo en la matriz. De esta forma se conocerá para cada función
objetivo su rango de variación dentro del conjunto factible. Estos puntos son utilizados
comúnmente para la normalización de los objetivos en los métodos de optimización
multiobjetivo.
-
# , /
NADIR
FRENTE DE PARETO
IDEAL
UTÓPICO
# , : ! # . 23 ( !4 C# D
! + ' &
Con el fin de poder comparar las diferentes funciones objetivo, es necesario obtener
funciones objetivo adimensionales y de similar orden de magnitud. Esto es especialmente
útil cuando se utilizan métodos con articulación de preferencias a priori, donde el decisor
muestra sus preferencias en términos de metas o importancia relativa entre los diferentes
objetivos. (Marler y Arora, 2004).
Las tres funciones más utilizadas vienen representadas en las ecuaciones 29, 30 y 31, en
las que los valores 3 y 3 HIJ representan generalmente a los puntos ideal y nadir
respectivamente.
trans Fi ( x )
Fi (x) = ; Fi 0 > 0 4 -5
Fi 0
Fi ( x) − Fi 0
Fitrans (x ) = 4 .5
Fi 0
trans Fi (x ) − Fi 0
Fi (x ) = 4 5
Fi max − Fi 0
.
# , /
3 &
Para la resolución del POM del HVRP con aspectos medioambientales, se ha utilizado un
método con articulación de preferencias a priori, en concreto el Método de los Pesos
Aumentados de Tchebycheff, una variante del método de Tchebycheff (Weighted
Tchebycheff) que cumple las condiciones necesarias y suficientes para la Optimalidad de
Pareto (Steuer and Choo, 1983).
En este caso se busca una solución “equilibrada”, de modo que ninguno de los objetivos
se desvíe en exceso de su valor óptimo. Para ello se utiliza una variante del método Min
Max, en la que se minimiza la máxima distancia a cualquiera de dichos objetivos. Dichas
distancias son ponderadas por los pesos asignados a priori. Por otra parte, para
garantizar las condiciones de Optimalidad de Pareto, se introduce en la función objetivo
un segundo término de varios órdenes de magnitud menor, consistente en la suma de las
diferencias de cada función objetivo con respecto a sus puntos ideales. El problema se
formula de la siguiente forma:
# , /
-D"D!DK L
k
i
{
U = max wi ⋅ Fi ( x ) − Fi 0 } +ρ
j =1
Fj ( x ) − Fj 0 4 5
Donde:
Una aproximación muy extendida para tratar dicho problema es introducir un parámetro
adicional P, y aumentar el número de restricciones del problema, una por cada función
objetivo. Haciendo el cambio de variable P . ! <M Q3 R 3 SE, el problema sería
formulado de la siguiente manera:
k
Minimizar λ+ρ ( F j ( x) − F j0 ) 4 5
j =1
s.a.
W j ⋅ ( F j ( x) − F j0 ) − λ ≤ 0 j = 1,2,..., k
λ≥0
! & #0 /(#
$
Para el planteamiento del modelo del POM, se han mantenido los mismos parámetros y
variables del modelo del problema monoobjetivo introducido en el capítulo 3.
Adicionalmente, se han añadido los parámetros UV , WV , X y Y mencionados en el apartado
anterior. Las expresiones de las diferentes funciones objetivo del problema se presentan
a continuación:
m n n m R n m
F1 ( x, y , f ) = p k y 0k + fc r δ kr d ij ( fe k x ijk + feu k f ijk ) + fx k x 0ki +
k =1 i = 0 j = 0 k =1 r =1 i =1 k =1
j ≠i
n n m n n m
4 5
k k k
mn d ij x + ij tl ij x ij
i = 0 j = 0 k =1 i = 0 j = 0 k =1
j ≠i j ≠i
n n m R
F2 ( x, f ) = δ kr ef CO 2,r d ij ( fe k xijk + feu k f ijk )
i = 0 j = 0 k =1 r =1
j ≠i
4 5
n n m R T P
F3 ( x) = δ kr γ kt ef p ,t
d ij xijk 4 )5
i = 0 j = 0 k =1 r =1 t =1 p =1
j ≠i
3
Minimizar λ + ρ ( F j ( x, y, f ) − F j0 ) 4 *5
j =1
s.a.
W j ⋅ ( F j ( x, y, f ) − F j0 ) − λ ≤ 0 j = 1,2,3
λ≥0
restricciones (1) − (17)