La búsqueda por similitud es una de las operaciones más frecuentes en problemas
que involucran el tratamiento de datos que no poseen una estructura
completamente determinada. En esencia consiste en obtener los objetos más
similares a uno dado. Los espacios métricos resultan adecuados para formalizar
el problema, al trabajar con una función de distancia que permite determinar de
manera rigurosa el grado de similitud entre los objetos. Una variante consiste
en realizar la búsqueda de los k vecinos más cercanos o búsqueda kNN (k-Nearest
Neighbor). En este trabajo proponemos un nuevo algoritmo para realizar
búsquedas kNN en espacios métricos de manera eficiente y aplicable a problemas
reales, basándonos en minimizar el impacto de los factores que afectan
negativamente al rendimiento de la operación de búsqueda. Las prestaciones de
nuestro algoritmo quedan corroboradas por los resultados de la evaluación
experimental, realizada sobre varias colecciones de datos reales.