1.

2 Modelo general y diferencias entre modelos lineales y

modelos por metas
El modelo general representa direcciones de mejora de los atributos. La mejora
puede interpretarse en el sentido (más del atributo mejor) o bien (menos del atributo
mejor). El primer caso corresponde a un proceso de maximización y el segundo a
uno de minimización de las funciones que corresponden a los atributos que reflejan
los valores del centro decisor.
Como paso previo a la definición de meta se introducirá el concepto de nivel de
aspiración que representa un nivel el aceptable de logro para el correspondiente
atributo. La combinación de un nivel el de aspiración con un atributo genera una
meta.
Finalmente el término criterio se utiliza como un término general que engloba los
tres conceptos precedentes (atributo, objetivo y metas). En otras palabras los
criterios constituyen los atributos objetivos o metas que se consideran relevantes
para un cierto problema decisional. Por consiguiente, la teoría de la decisión
multicriterio constituye un marco general o paradigma decisional en el que subyacen
diferentes atributos, objetivos o metas.

Diferencias entre modelos lineales y modelos por metas

Modelo lineal Modelo por metas
Usa un solo objetivo Tiene más de un objetivo
Las variables y la función objetivo deben ser lineales Variación de la PL
Es necesario que cada variable aditiva respecto a la
variable objetivo Se llega a una solución eficiente
Las soluciones no deben ser necesariamente
números enteros Utiliza restricciones meta
Las funciones lineales en variables de decisión con Se usa para resolver problemas (programas) lineales
restricciones lineales optimizando una función con objetivos similares, con cada objetivo visto como
objetivo también lineal una meta
Se tiene una función objetivo (Busca una Aquí las variables de desviación son las cantidades
combinación de recursos). que una meta es superada o no alcanzada
Ventajas: Ventajas:
 Permite comparar un amplio rango de  Se conforma con una cuota inferior.
soluciones y alternativas y analizar sus  El espacio de soluciones siempre tiene que
consecuencias. cumplirse, mientras que los objetivos no
 Indica al administrador como emplear más pueden cumplirse.
eficazmente sus factores seleccionándolos y
distribuyéndolos adecuadamente.
 1.4 Métodos de solución
1. Programación meta ponderada: se basa en el establecimiento de ponderaciones
para las variables de desviación. La programación meta afecta con coeficientes
numéricos las variables de desviación de la función objetivo y resuelve el problema
utilizando el método simplex.
2.Programación meta lexicográfica: se basa en resolver el problema de
programación meta obteniendo inicialmente una solución para las variables metas
más importantes, es decir, aquellas que tienen prioridad 1. Seguidamente se busca
la solución para aquellas variables desviación con prioridad 2 pero agregando
nuevas restricción al sistema dadas por el valor que se obtuvo para las variables de
prioridad 1 obtenidas en la solución anterior y así sucesivamente hasta llegar a la
solución de las variables de última prioridad.
3. Método simplex multicriterio: le proporciona valores a las prioridades siempre que
P1 sea mucho mayor que P2 y P2 mucho mayor que P3>>P4>>P5..... y busca como
solución óptima aquella que proporcione una mejor utilización de los recursos.
El método más utilizado es el de la Programación meta ponderada. Pese a lo que
se acaba de comentar, la utilidad de estos enfoques se reduce considerablemente
en problemas decisionales de un tamaño relativamente elevado. De las ideas que
se acaban de exponer se desprende que en problemas complejos que conllevan la
formulación de modelos de cierto tamaño, los enfoques multiobjetivo son de limitado
interés y tienen que dejar paso a otros enfoques con una solidez teórica tal vez
menor, pero con una operatividad muy superior. Dentro de esta línea pragmática
puede encuadrarse la programación por metas.