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.