Prediccin y anlisis de Bsqueda Con algoritmo Sor/Jor

Este algoritmo esta implementado dentro de una aplicacin web para la venta
de vehculos con manejo de usuarios y gracias a este algoritmo podemos
hacer predicciones en la barra de bsqueda y sugerir vehculos que se
adapten a cada usuario. Todo esto a partir de un anlisis de las bsquedas
que realiza cada usuario haciendo que cada uno de estos tenga predicciones y
recomendaciones diferentessc

Prediccin

Sugerencias

Esto se logra usando el algoritmo Sor/Jor el cual nos sirve para hallar la
solucin de la probabilidad de estado estacionario de una cadena de Markov
finita donde los nodos sern los autos que se encuentren dentro del inventario
y la matriz de transicin es elaborada de acuerdo a la relacin alfabtica del
nombre de cada auto disponible el cual consta de la marca y el modelo as se
logran sugerencias y predicciones sobre las marcas de autos de la preferencia
de cada usuario.
Sor/Jor
Sor/jor es un algoritmo iterativo de tipo gentico ya que este puede trabajar
con grandes cantidades de datos sin tener que evaluar todas las posibilidades
y aun as llegar a buenas soluciones para ello se utiliza el siguiente sistema

Para esto se requiere de 4 pasos que son

1 Inicializacin
Aqu se genera una poblacin de igual probabilidad de estado a las cuales les
asignaremos un parmetro de relajacin de la sig manera

Siendo k el total de la poblacin

2. Mutacin
La etapa de mutacin se lleva a cabo haciendo una iteracin SOR / JOR en cada
miembro de la poblacin con su correspondiente prob

3. Evaluacin
A cada miembro de la poblacin se le calcular y actualiza su residual con esto
se utiliza para medir si es bueno para algunos de la poblacin luego se
detiene y la salida es el estado estacionario aproximado

4. Adaptacin
En esta paso la poblacin cambia dejando los valores ms dbiles ajustando
el valor de relajacin y luego a la poblacin ajustando esta ltima con un
coeficiente aleatorio d1 (entre -0.01 y 0.01)

Inicializaci
n

Mutacin

Evaluacin

Adaptaci
n

En este ejemplo se muestra como se hallan las probabilidades de estado

estable en 6 autos partiendo de una matriz ya elaborada
Iteraciones:

Vemos que despus de unas cuantas iteraciones lo valores no se estabilizan

por lo que se contina iterando

Ya luego de 10 iteraciones se logra mostrar la tendencia que tienen las

probabilidades para cada estado que se encuentra evaluando.
Como lo podemos ver en la siguiente grafica

Aqu es donde se pasa a analizar los resultados y teniendo encuenta estos se

toma el de mejor probabilidad para ejemplo seria el auto C