Optimización multiobjetivo: cómo priorizar criterios y escalar con eficiencia computacional.
09 de septiembre de 2025
Un enfoque iterativo que prioriza objetivos, reduce tiempos de cómputo y alinea la optimización con las prioridades del negocio.
En muchos escenarios operativos, ya sea en planificación de recursos, producción, logística o asignación de tareas, es habitual enfrentarse a problemas donde intervienen múltiples objetivos que compiten entre sí.
El reto
Por ejemplo, reducir los costes operativos puede entrar en conflicto con minimizar los tiempos de ejecución; mejorar la calidad del servicio puede requerir un uso menos eficiente de los recursos; o maximizar la utilización de ciertos activos puede generar que se descompense la carga de trabajo entre equipos. La complejidad se incrementa cuando estos objetivos no tienen el mismo peso: algunos son obligatorios desde el punto de vista del negocio (como respetar ciertos compromisos de nivel de servicio o no superar ciertos límites de coste), mientras que otros aportan valor adicional, pero son negociables (como la equidad entre equipos o la alineación con preferencias individuales).
La dificultad técnica no está solo en encontrar una solución factible, sino en orquestar correctamente la optimización de estos objetivos con diferentes prioridades, asegurando que los más importantes se cumplan sin penalizar excesivamente los demás. Todo ello, además, bajo restricciones de tiempo de cómputo que exigen que el algoritmo sea escalable y eficiente, especialmente cuando el volumen de datos o las dimensiones del problema crecen.
Ante esta realidad, se hacía necesario un enfoque que permitiera descomponer el problema, priorizar de forma explícita los distintos objetivos y garantizar tiempos de ejecución razonables, adaptándose dinámicamente a la complejidad del caso.
Solución tecnológica
La solución se desarrolló a partir de un enfoque iterativo de optimización multiobjetivo utilizando el solver CP-SAT de OR-Tools.
A diferencia de los enfoques clásicos, que intentan optimizar todos los objetivos de forma conjunta, aquí se aborda el problema dividiendo la optimización en fases secuenciales. Cada fase se centra en un único objetivo, respetando o controlando el deterioro de lo logrado en fases anteriores. Para ello, se establece un mecanismo que fija los valores alcanzados por los objetivos previamente optimizados como restricciones en la siguiente iteración.
Sin embargo, también se contempló la posibilidad de permitir cierta flexibilidad: si durante la optimización de un nuevo objetivo se detecta que un ligero empeoramiento de uno anterior (por ejemplo, del 5%) puede dar lugar a una mejora significativa en el resultado global, el modelo lo permite dentro de unos márgenes configurables. Esta lógica de relajación progresiva introduce un equilibrio práctico entre rigidez y eficiencia, muy útil en contextos donde los objetivos están relacionados entre sí.
Otro de los elementos clave de esta solución es el ajuste automático de los tiempos límite para cada fase. Se desarrolló una fórmula que estima el tiempo de cómputo adecuado en función del tamaño del problema, teniendo en cuenta diferentes variables como pueden ser: el número de vehículos, pedidos, empleados, días, turnos o máquinas. A partir de este tiempo base, se aplican multiplicadores específicos por fase, adaptando el esfuerzo de cálculo a la complejidad y prioridad de cada objetivo.
El desarrollo se apoyó en una arquitectura modular orientada a reutilizar componentes y facilitar la incorporación de conocimiento previo. Esto incluye el uso de soluciones anteriores como guía para el solver, lo que mejora los tiempos de convergencia sin sacrificar calidad.
El modelo ha sido diseñado, probado y ajustado por un equipo técnico con experiencia en investigación operativa y diseño de algoritmos aplicados, trabajando de forma coordinada con perfiles de negocio para asegurar que cada objetivo optimizado respondiera a una necesidad real y priorizada del cliente. Esta aproximación no solo aporta valor técnico, sino que también traduce de forma directa la lógica del negocio en una estrategia algorítmica que la respeta y la hace operativa.
Impacto
El enfoque iterativo ha permitido mejorar significativamente tanto la calidad de las soluciones como su escalabilidad. La posibilidad de priorizar objetivos ha facilitado una alineación del apartado técnico con los criterios de negocio, haciendo más transparente el funcionamiento del modelo y más predecibles sus resultados.
Además, la asignación dinámica de tiempos límite ha permitido reducir tiempos de ejecución en escenarios reales y asegurar que el modelo pueda ejecutarse de forma estable incluso ante un crecimiento importante en la dimensión del problema. La solución resultante es más robusta e interpretable, facilitando su adopción por parte de usuarios y responsables operativos.
Este enfoque ha demostrado ser especialmente eficaz en contextos donde las reglas son complejas, los objetivos múltiples y donde es crítico mantener un equilibrio entre calidad de solución y viabilidad computacional.
Equipo
El desarrollo ha sido llevado a cabo por un equipo técnico formado por dos consultores de optimización con experiencia en optimización matemática y diseño algorítmico, en colaboración estrecha con perfiles de negocio para asegurar que las fases del modelo correspondieran a objetivos concretos y medibles dentro del dominio operativo del cliente.
Bibliografía:
En esta referencia se tiene una revisión reciente sobre el estado del arte de problemas sobre planificación de personal, donde se destaca que los métodos de optimización jerárquica por objetivos constituyen una opción robusta frente a la suma ponderada clásica. En lugar de mezclar los objetivos en una función única, se optimiza primero el objetivo más importante y solo después se abordan los secundarios, preservando los logros alcanzados.
Categorías
Últimos artículos
Dra. Isabel Méndez Fernández
Optimization Consultant con experiencia en la resolución de problemas complejos de optimización, especialmente en planificación de rutas y horarios de personal. Graduada en Matemáticas por la Universidad de Oviedo y doctora en Investigación Operativa por la Universidade da Coruña.
Fuera del ámbito profesional, encuentra inspiración en el arte y la creatividad: le encanta dibujar, pintar y trabajar con arcilla, actividades que le permiten desconectar y expresarse de forma personal y artesanal.
- Dra. Isabel Méndez Fernández
- Dra. Isabel Méndez Fernández
