INVESTIGACIN DE

OPERACIONES
PROGRAMACIN DE METAS

INTEGRANTES:
Heriberto Vargas Mercado
Jorge Ivn Snchez
Enrique Heredia
Erick Leonardo Medina Vargas

Contenido

Introduccin
Modelo de programacin lineal: Programacin de metas
Algoritmos de programacin de metas
- Mtodo de valores de ponderacin
- Mtodo de jerarquas

Introduccin
Los modelos de programacin lineal que se presentaron en
los captulos anteriores se basan en la optimizacin de una
sola funcin objetivo. Hay casos en donde lo ms adecuado
es tener varios objetivos (posiblemente opuestos).
Por ejemplo, los polticos aspirantes pueden prometer reducir la deuda
nacional y, al mismo tiempo, ofrecer rebajas de impuesto sobre la renta.
En tales casos podr ser imposible encontrar una solucin nica que
optimice los objetivos contrapuestos.

En lugar de ello se podr buscar una solucin

intermedia, o de compromiso basada en la
importancia relativa de cada objetivo.
Este captulo presenta la tcnica de programacin de metas
para resolver modelos con varios objetivos.
La idea principal es convertir los diversos objetivos originales
en una sola meta. El modelo resultante produce lo que se suele
llamar solucin eficiente, porque podr no ser ptima con
respecto a todos los objetivos contrapuestos del problema.

Algoritmos de programacin de metas

Existen dos algoritmos para resolver la programacin de metas.
Ambos mtodos convierten las metas mltiples en una sola
funcin objetivo.
En el mtodo de los factores de ponderacin la funcin
objetiva nica es la suma ponderada de las funciones que
representan las metas del problema.
El mtodo de jerarquas comienza dando prioridades a las
metas en orden de importancia

Mtodo de factores de ponderacin

TopAd es una nueva agencia de publicidad, con 10 empleados;
ha recibido un contrato para promover un producto nuevo. La
agencia puede anunciarlo por radio y por TV. La tabla siguiente
contiene datos sobre la cantidad de personas a las que llega
cada tipo de anuncio, y sus requisitos de costo y mano de obra.

El contrato prohbe a TopAd que use ms de 6 minutos en

anuncios por radio. Adems, los anuncios por radio y TV deben
llegar cuando menos a 45 millones de personas.
TopAd ha establecido para el proyecto una meta de presupuesto
de $100,000. Cuntos minutos de anuncios en radio y TV debe
programar TopAd?
Sean x1y x2los minutos asignados a los anuncios por radio y por
TV. La formulacin de programacin de metas para el
problema es :


Minimizar
G1 = (Satisfacer la meta de exposicin)
Minimizar G2 = (Satisfacer la meta de presupuesto)

Donde y se llaman variables de desviacin porque representan las desviaciones

arriba y abajo respecto al lado derecho de la restriccin.

Por definicin las variables y son dependientes y en consecuencia no pueden ser al
mismo tiempo variables bsicas. Esto quiere decir que en cualquier iteracin
simplex, cuando menos una de las dos variables de desviacin puede asumir un valor
positivo.
Si la i-sima desigualdad original es del tipo <= y su >0 , entonces se satisfar la
i-sima meta; en caso contrario, si >0 , la meta i no se satisfar. En esencia la
definicin de permite satisfacer o violar la i-sima meta cuando se desee.

La gerencia de TopAd supone que la meta de exposicin tiene dos

veces la importancia de la meta de presupuesto. Entonces, la
funcin objetivo combinada se convierte en
Minimizar z = 2G1 + G2 = 2s1 + + s2
La solucin ptima (obtenida con TORA) es
Z=10
x1 = 5 minutos, x2 = 2.5 minutos, s1 + = 5 millones de personas

El hecho que el valor ptimo de z no sea cero indica que no se

cumple con al menos una meta. En forma especfica, indica que
la meta de exposicin (de un mnimo de 45 millones de personas)
no se cumple por 5 millones de individuos. Al revs, la meta de
presupuesto (no excederse de $10,000) no se viola, porque .
La programacin de metas slo produce una solucin eficiente del problema,
que no necesariamente es la ptima. Por ejemplo, la solucin x1= y x2=2
produce la misma exposicin( 4x6 + 8x2 = 40 millones de personas), pero cuesta
menos(8x6 + 24x2 =$96,000 ).En esencia, lo que hace la programacin de metas
es determinar una solucin que satisfaga slo las metas del modelo, sin
considerar la optimizacin. Esa deficiencia de encontrar una solucin ptima
causa dudas sobre la viabilidad de la programacin de metas como tcnica de
optimizacin.

Mtodo de jerarquas

el mtodo de jerarquas, quien toma las decisiones debe clasificar las metas del problema por orden
En
de importancia. Dado un caso de n metas, los objetivos del problemas se escriben de la siguiente
manera:

El procedimiento de solucin considera una meta cada vez, comenzando con la mxima prioridad y
terminando con la mnima , . El proceso se hace de tal modo que la solucin obtenida con una meta de
menor prioridad nunca degrade a alguna solucin de mayor prioridad.

Paso 0 : Identificar las metas del modelo y clasificarlas en orden de prioridad :

Paso i : Resolver el programa lineal i que minimice a , y hacer que = defina el valor optimo
correspondiente de la variable de desviacin Si i = n, detenerse; el programa lineal n resuelve el
problema de n metas. En caso contrario, aumentar la restriccin = a las restricciones del problema
,para asegurar que no se degrade el valor de Igualar i = i+1 y repetir en paso i.

Paso 0:

>

: Minimizar ( Satisfacer la meta de exposicin )

: Minimizar ( Satisfacer la meta de presupuesto )
Paso 1: Resolver el programa lineal 1.
Minimizar

La solucin ptima (obtenida con TORA) es

x1 = 5 minutos, x2 = 2.5 minutos, = 5 millones de personas.
(Las variables restantes son igual a cero).
solucin indica que la meta de exposicin, , se viola con 5 millones de personas.
La
En el programa lineal 1 se tiene = , por lo tanto la restriccin adicional que se usara con el problema es
= 5.

Paso 2: Se debe resolver el problema lineal 2, cuya funcin objetivo es :

Minimizar

nueva formulacin tiene una variable menos que la del problema lineal 1; es la idea general con la regla
La
de eliminacin de columna. En realidad, la optimizacin del programa lineal 2 no es necesario en este
ejemplo, porque la solucin optima al problema ya obtiene = 0. Por consiguiente, la solucin del programa
lineal 1 es optima automticamente para el programa lineal 2,
Heriberto vargas Mercado