Algoritmos de trayectoria multiobjetivo aplicados al problema de ...

,
asumiendo que en la columna 4 de la matriz D se registra la preferencia o no por
el rol Cerebro.
La persona que desarrolla el rol Jefe de Proyecto debe ser extrovertida y planificada (subtipo E_
_J) según el test de Myers Briggs.
, asumiendo que en una matriz B, la dimensión E/I se registra en la columna 1 y la
J/P en la columna 4.
1.4 Problemas de optimización multiobjetivo
Un problema de optimización multiobjetivo (POM) es aquel que incluye un conjunto de funciones
objetivo a optimizar (dos o más funciones). El objetivo de este tipo de problema es encontrar los
parámetros necesarios que optimicen el vector de funciones objetivo y satisfagan las restricciones
(Coello, Veldhuizen et al. 2007). La asignación de recursos humanos a equipos e proyectos de software
es un problema de optimización multiobjetivo.
Un problema de optimización multiobjetivo es definido como la minimización (o maximización) de F(X) =
(f1(x),…,fk(x)) sujeto a gi(x) 0, i = {1,..,m}, y hj(x) = 0, j = {1,…,p}, x . Este tipo de problema consiste
en k objetivos reflejados en las k funciones objetivos, m + p restricciones de las funciones objetivos y n
variables de decisión. El objetivo que se persigue es encontrar el vector x = (x1,…,xn) que satisfaga las
restricciones del problema y optimice la función vectorial F(x).
Los problemas de optimización multiobjetivo no obtienen como resultado de la búsqueda una única
solución, sino un conjunto de soluciones, por lo que requieren del decisor para elegir una de las
soluciones del conjunto. El concepto de óptimo cambia, ya que lo que se pretende es encontrar buenos
compromisos entre los diferentes objetivos.
A continuación se definen algunos conceptos necesarios (Coello, Veldhuizen et al. 2007), asumiendo un
problema de minimización:
Óptimo de Pareto: Una solución x es llamada óptimo de Pareto con respecto a si y solo si, no
existe x´ para el cual domina a
. Es decir x´ es un óptimo de Pareto si no existe ningún vector factible x
que disminuya algún criterio sin causar un aumento simultáneo en al menos uno de los otros
criterios.
Dominancia de Pareto: Un vector u = (u1,…,uk) se dice que domina a otro vector v = (v1,…,vk) si y
solo si u es parcialmente menor que v (denotado por u v).
En otras palabras, x domina a y si x es mejor que y en al menos una de las funciones objetivos y no
es peor en ninguna de las restantes.
Conjunto óptimo de Pareto: Para un problema de optimización multiobjetivo dado, F(x), el conjunto
óptimo de Pareto, P*, es definido como . El conjunto óptimo de
9