Gracias a un sistema de etiquetas bien diseñado y que puede ser compartido entre dominios, i.e., que funciona bien… si lo diseñamos bien XD podemos aplicar un verdadero enfoque práctico de algoritmos evolutivos de búsqueda.

Quiero mencionar “La Programación Evolutiva” [KOZ94, KOZ02]: se hace evolucionar una población de “programas” para resolver un problema en general. Los programas que evolucionan pueden adoptar distintas formas, aunque lo más usual es un árbol. 

Las estructuras de datos de las búsquedas que se utilizan en los sistemas de etiquetas son de tamaño variable, como el ejemplo mencionado anteriormente, los algoritmos que buscan en ellos no intentan dar solución a una instancia concreta del problema , sería como dar sólo la opción de buscar lámparas en un todo a 1€uro chino (el corte chino XD) sino de proporcionar una estrategia capaz de resolver cualquier instancia de una búsqueda: generalizar un algoritmo de búsqueda que comparte datos de distintos dominios-> etiquetas ,como no! jiasss

El método clásico de optimización para problemas cuyo espacio de búsqueda de soluciones es contínuo es la técnica de escalada, que consiste en determinar la pendiente de la vecindad del punto actual (un Dominio en un servidor que comparte una base de datos o un servicio de intercambio de datos por XML…etc) y seleccionar el punto de mayor pendiente en dicha vecindad: i.e., el conjunto de etiquetas que es de mayor calidad, más valorada, etc. entonces ,el próximo punto (tabla, modelo de datos,etc.) pertenece a este nuevo valor pero , ojete!: para pasar hasta él y no dejar desconectado a los demás habrá de pasar por los “peores” puntos , aunque estos no representen el óptimo global.

Una alternativa es realizar una búsqueda aleatoria de candidatos de etiquetas representativas tomando puntos al azar dentro de una zona de búsqueda, y estimando el valor del óptimo mediante técnicas estadísticas, que precisamente pueden aplicarse a cualquier tipo de problema, pero son muy ineficientes.

Los algoritmos evolutivos constituyen un punto intermedio al reunir componentes de búsqueda aleatoria y de búsqueda dirigida por la selección. Se suelen utilizar un espacio multimensional, comenzando con 3 dimensiones: identificadores, modelos y valores representativos, después existe la posibilidad de añadir dimensiones adicionales aunque complican el algoritmo y el mantenimiento, o que pensabas? XD

Ejemplo de un algoritmo evolutivo es el de las búsquedas con Google una vez logeado en GMail , muxo cuidado con los resultados que teneis porque están influenciados por vuestros “gustos”, si quereis resultados reales, hacer logout de vuestra cuenta ,pájaro! xD

Así, la evolución en PIE se puede interpretar como un proceso de optimización donde los usuarios encuentran lo que necesitan ( peso ), que es análogo a los procesos de resolución de un problema de optimización, curioso,no? jaja Sin embargo, los algoritmos evolutivos no escalan de forma uniforme hacia regiones de mejor adaptación si no se les mete mano, sino que cuentan con mecanismos que les permiten cruzar regiones de baja adaptación: selección no determinista y mutaciones