Cando os machos das ras arborícolas xaponesas cantan á vez, as femias non poden distinguilos para elixir ao mellor, así que os pretendentes se poñen de acordo para entoar dun en un. Esta desincronización natural dos cantos inspirou o desenvolvemento de algoritmos computacionales, que se poden aplicar ao deseño de sistemas inalámbricos e á análise de redes sociais, como Facebook ou Twitter.

Cada vez é máis habitual recorrer á natureza para resolver os problemas de optimización aos que se enfrontan os especialistas na área de computación. As colonias de formigas ou o sistema nervioso da mosca da froita inspiraron o desenvolvemento de robustos algoritmos que, como os sistemas naturais, adáptanse ben ás circunstancias e aos posibles fallos.
Investigadores da Universidade de País Vasco (UPV/EHU) e a Universidade Politécnica de Cataluña (UPC) fixáronse agora nun anfibio para crear novos algoritmos computacionales: a ra arborícola xaponesa (Hyla japonica). Os machos desta especie emiten os seus cantos para atraer ás femias, que así recoñecen a orixe da chamada e localizan ao pretendente. O problema xorde cando dous ou máis machos están demasiado preto e cantan á vez. Nese caso, as femias quedan confundidas e non poden determinar de onde proceden as chamadas.

O algoritmo é aplicable a redes troncais como a do metro ou as de amizade

Por esta razón, os machos tiveron que aprender a desincronizar os seus cantos, é dicir, a non cantar ao mesmo tempo, para que as femias os poidan diferenciar e así elixir o individuo máis dotado. “Este proceso é un bo exemplo de autoorganización na natureza, que nos serviu para desenvolver os algoritmos bioinspirados”, explica Christian Blum, profesor Ikerbasque da UPV/EHU.
O equipo utilizou esta ferramenta matemática para resolver problemas de computación relacionados con grafos, un conxunto de nodos unidos por ligazóns que representan gráficamente as súas relacións. Por exemplo, a rede de metro ou as relacións de amizade entre as persoas pódense representar mediante grafos.
“Isto ten aplicacións moi importantes nas redes de comunicación, por exemplo, na formación de redes troncais ou backbones inalámbricas ­destaca Blum– pero tamén na contorna das redes sociais, como Facebook e Twitter, xa que permite analizar a súa estrutura e detectar comunidades independentes dentro delas”.
Así, poderíanse localizar usuarios con pouca participación ou visibilidade, detectar comunidades moi pechadas que non interactúan co resto, descubrir personaxes populares e ben relacionados na rede, ou atopar usuarios que conviría conectar para aumentar as relacións entre determinadas comunidades. Segundo os seus autores, os resultados dos novos algoritmos “son excelentes e convertéronse nos mellores coñecidos ata agora, superando substancialmente o conseguido por outros algoritmos, como os inspirados no sistema nervioso da mosca Drosophila“.