[REVISTA BE DIRECCION Y ADMINISTRACION DE EMPRESAS, N76, ICIENBRE 19 10
PRESEN ZUZENDARTIZA ETA ADNINISTRAZIO ALDIZKARIA 6ZKIA, 190 ADENDUA
PROGRAMACION LINEAL POSIBILISTICA
Mariano Jiménez
Dpto. de Eeonoma Aplicads 1
Universidad del Pais Vaseo
M, Mar Arenas,
Amelia Bilbao
M. Vietoria Rodriguez
Dpto, dé Economia Cuanttativa
Universidad de Oviedo
INDICE,
LINTRODUCCION... 10}; _ 2, UN MODELO GENERAL DE PROGRAMACION LINEAL PO-
SIMLISTICA.. 105) 3. CASO EN EL QUEL DECISOR FSPECIFICA UNA META. 108
SNCONCLUSIONES.._19
Resumen
irtiendo de las ideas de Buckley, estudiamos un programa general
de programacién lineal posibilista en el que todos los parametros pueden ser fuzzy,
asf como las restricciones, Obtenemos la distribucidn de posibilidad de la solucién
fen funcidn del grado de cumplimiento de las restricciones. Con esta informacién se
le plantea al decisor que especifique una meta para su objetivo, y estudiamos como
aleanzar dicha meta con un nivel satisfactorio sopesindolo con cl grado de cumpli-
miento de las restrieciones.
En este taba,
Palabras Clave: Distribucién de posibitidad, Principio de extensién, Programacién
lineal fuzzy, Toma de decisiones.vo [MARIANO MENEZ, MMAR ARENAS, AMELIA BILBAO VICTORIA RODRIOUEZ
1. Introduceién,
Presentamos en este trabajo una extensién de In programacién lineal
posibilistica. Desde que Zadeh [17] introdyjo la teoria de posibilidad se han
esarrollado muchos trabajos en este campo. Los modelos de decisién posibilista han
Jugado un importante papel en el tratamiento de problemas précticos de decision,
Nuestro trabajo se enmarca dentro de las aplicaciones de la teorfa de la posibilidad a
‘problemas de programacién lineal con coeficientes imprecisos 0 inciertos, pero cuya
istribuci6n de posibilidad puede ser estimada, de manera que sus valores vienen
G, le
resultaré completamente satsfactori, pero si z* SG, su grado de satisfaccién sexé
nulo. Es decir la meta viene expresuda mediante un conjunto fuzzy G , cuya funcién
de pertenencin es la siguiente:no ‘ARIANO.TMENEZ, M.MIAR ARENAS, AMELIA BILNAO YM. VICTORIA RODRIGUEZ
Figura 3
Fl decisor, l6gicamente, pedirg obtener un grado de satisfaccién maximo. Ahora bien,
la consecucién de un valor mayor para la funcidn objetivo seré a costa de un menor
nivel de cumplimignto de las restricciones, En estas condiciones puede que el decisor
se conforme con un menor grado de satisfac
las restricciones se verifiquen en mayor grado,
mn en sus aspiraciones a cambio de que
Vamos pues a establecer un criterio que permita al decisor Sopesar el nivel B de
cumpliniento de as reseeciones, con In onseeucién de ln eta eh alo
saistactori, Para ello nos plantenmos comprar el subeonjuna fuzzy G, que
representa aspired del decor con ca Z., qu representa las dsbciones
de psi det dpino obteido pars os diferentes grados de cumplininto de as
resticrones
Si superponemos la figura 3 sobre la figura 1, obtetemos lo siguientePROGRAMNCION LINEAL POSILISTICN uw
Figura 4
‘Como hemos dicho debemos establecer un fnice que nos penmita comparar cada Zp
con ML, es decir que nos proporcione el grado en el que Zj, cumple Jas expectativas
del decison
Proponemos el siguiente indice:
nl’) wale)
Jnag(e')
o
Figura 52 MARIANO JIMENEZ, SIAR ARENAS, ANELIA BILBAO ME. ICTORIA RODRIGUEZ
Obsérvese que al uilizar este dice estamos definiendo ta intersecciGn G > Zp, por
medio de la norma "producto
Neng
(2)