[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_l%E1%BA%ADp%20tr%C3%ACnh%20phi%20tuy%E1%BA%BFn{\"limit\":5}":3,"_public_topic_byId_lập trình phi tuyến":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":22,"discipline":23,"references":24,"faqs":49,"createUser":59,"publishUser":63,"keywords":67,"keywordCount":10,"enrichTopicLink":68,"status":69,"createTime":70,"updateTime":71,"publishTime":72,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":73,"relateTopics":74},"lập trình phi tuyến","Lập trình phi tuyến là gì? Điều kiện KKT, thuật toán SQP và Ipopt","Lập trình phi tuyến NLP tối ưu hóa hàm mục tiêu phi tuyến, giải thích điều kiện KKT Nocedal-Wright, thuật toán SQP Boggs và điểm trong Ipopt.","\u003Cp>Lập trình phi tuyến (nonlinear programming - NLP hay quy hoạch phi tuyến - nonlinear optimization) là một phân ngành toán học ứng dụng, tối ưu hóa số học và nghiên cứu vận hành (operations research) then chốt, chuyên sâu về việc tìm kiếm giá trị cực tiểu hoặc cực đại của một hàm mục tiêu (objective function) phi tuyến dưới sự chi phối của một hệ thống các điều kiện ràng buộc đẳng thức và bất đẳng thức phi tuyến đối với các biến số quyết định. Trong thực tế đời sống kinh tế, kỹ thuật công nghiệp và khoa học tự nhiên, hầu hết các quy luật vật lý (như động lực học bay, phản ứng hóa học) và mô hình tài chính (như hàm tối ưu hóa lợi nhuận rủi ro danh mục đầu tư) đều có bản chất phi tuyến phức tạp; do đó, lập trình phi tuyến là công cụ toán học tối thượng giúp đưa ra các quyết định tối ưu chính xác nhất.\u003C\u002Fp>\n\u003Ch2>Điều kiện tối ưu Karush-Kuhn-Tucker (KKT) và Lý thuyết Lagrange\u003C\u002Fh2>\n\u003Cp>Theo chuyên khảo kinh điển của Jorge Nocedal và Stephen Wright (2006) trong Numerical Optimization, đối với bài toán lập trình phi tuyến tổng quát:\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>Hàm Lagrange (Lagrangian Function):\u003C\u002Fstrong> Thiết lập hàm Lagrange L(x, lambda, mu) kết hợp hàm mục tiêu với các hàm ràng buộc thông qua các nhân tử Lagrange (Lagrange multipliers).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Điều kiện KKT bậc nhất (First-Order Necessary Conditions):\u003C\u002Fstrong> Tại điểm tối ưu cục bộ x*, gradient của hàm mục tiêu phải là tổ hợp tuyến tính của gradient các ràng buộc hoạt động:\n  \u003Cul>\n    \u003Cli>\u003Cem>Tính khả thi nguyên thủy:\u003C\u002Fem> Thỏa mãn tất cả ràng buộc đẳng thức và bất đẳng thức ban đầu.\u003C\u002Fli>\n    \u003Cli>\u003Cem>Tính khả thi đối ngẫu:\u003C\u002Fem> Các nhân tử Lagrange của ràng buộc bất đẳng thức phải không âm (mu >= 0).\u003C\u002Fli>\n    \u003Cli>\u003Cem>Độ bù bổ sung (Complementary Slackness):\u003C\u002Fem> Tích giữa nhân tử Lagrange và giá trị hàm ràng buộc bằng không (mu_i * g_i(x*) = 0).\u003C\u002Fli>\n    \u003Cli>\u003Cem>Điểm dừng (Stationarity):\u003C\u002Fem> Gradient của hàm Lagrange theo biến x triệt tiêu bằng không.\u003C\u002Fli>\n  \u003C\u002Ful>\n\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>Các Thuật toán Giải Lập trình Phi tuyến Hiện đại\u003C\u002Fh2>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Phương pháp giải số học\u003C\u002Fth>\n\u003Cth>Ý tưởng thuật toán cốt lõi\u003C\u002Fth>\n\u003Cth>Ưu thế và Ứng dụng thực tế\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>Quy hoạch toàn phương tuần tự (SQP - Boggs & Tolle, 1995)\u003C\u002Ftd>\n\u003Ctd>Xấp xỉ hàm mục tiêu bằng dạng toàn phương và tuyến tính hóa các ràng buộc tại mỗi bước lặp\u003C\u002Ftd>\n\u003Ctd>Hội tụ siêu tuyến tính cực nhanh, lý tưởng cho bài toán quy mô vừa và biến số mượt mà\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Phương pháp Điểm trong (Interior-Point \u002F Barrier - Wächter & Biegler, 2005)\u003C\u002Ftd>\n\u003Ctd>Đưa các ràng buộc bất đẳng thức vào hàm mục tiêu qua hàm phạt rào cản logarit (Log-barrier)\u003C\u002Ftd>\n\u003Ctd>Giải quyết xuất sắc bài toán phi tuyến phi lồi quy mô cực lớn hàng triệu biến (Solver Ipopt)\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Phương pháp Lagrange Tăng cường (Augmented Lagrangian)\u003C\u002Ftd>\n\u003Ctd>Kết hợp hàm phạt bậc hai với nhân tử Lagrange để giải quyết ràng buộc đẳng thức\u003C\u002Ftd>\n\u003Ctd>Độ ổn định số học cao, không yêu cầu ma trận điều kiện ngặt nghèo\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Tối ưu hóa Toàn cục (Global Optimization)\u003C\u002Ftd>\n\u003Ctd>Phương pháp Nhánh và Chặn (Branch & Bound) kết hợp bao lồi xấp xỉ\u003C\u002Ftd>\n\u003Ctd>Tìm nghiệm tối ưu toàn cục thực sự thay vì bị mắc kẹt tại cực tiểu địa phương\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Ch2>Ứng dụng sâu rộng trong Kỹ thuật, Kinh tế và Trí tuệ Nhân tạo\u003C\u002Fh2>\n\u003Cp>Lập trình phi tuyến là trái tim thuật toán của vô số hệ thống thông minh:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Điều khiển dự báo mô hình (Model Predictive Control - MPC):\u003C\u002Fstrong> Giải bài toán NLP thời gian thực trong vòng vài mili-giây để điều khiển quỹ đạo bay của tên lửa tái sử dụng SpaceX, xe tự hành và lưới điện thông minh.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Huấn luyện Mạng Nơ-ron Sâu (Deep Learning):\u003C\u002Fstrong> Tối ưu hóa hàng tỷ trọng số của mô hình học sâu qua thuật toán hạ độ dốc ngẫu nhiên (SGD \u002F Adam) về bản chất là một bài toán lập trình phi tuyến phi lồi khổng lồ.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Tóm lại, lập trình phi tuyến là một đỉnh cao của toán học ứng dụng hiện đại, mang lại lời giải tối ưu cho những bài toán kỹ thuật và quản trị phức tạp nhất của nhân loại.\u003C\u002Fp>\n\u003Ch2>Bài toán Tối ưu hóa Ràng buộc Không lồi và Hiện tượng Điểm Yên Ngựa (Saddle Points)\u003C\u002Fh2>\n\u003Cp>Trong không gian tối ưu hóa phi tuyến phức tạp:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Thách thức của cảnh quan năng lượng phi lồi (Nonconvex Landscape):\u003C\u002Fstrong> Sự tồn tại của vô số cực tiểu địa phương, cực đại địa phương và điểm yên ngựa (nơi gradient bằng không nhưng không phải cực tiểu) đòi hỏi các kỹ thuật làm nhiễu ngẫu nhiên hoặc ma trận Hessian hiệu chỉnh để thoát khỏi điểm yên ngựa.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Quy hoạch nửa xác định (Semidefinite Programming - SDP) và Thư giãn lồi:\u003C\u002Fstrong> Chuyển đổi các bài toán NLP phi lồi khó thành bài toán lồi xấp xỉ giúp tìm ra cận dưới chặt của giá trị tối ưu toàn cục.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Ứng dụng NLP trong Thiết kế Khí động học và Tối ưu hóa Kết cấu Công trình\u003C\u002Fh2>\n\u003Cp>Các thuật toán tối ưu hóa hình dạng (Topology Optimization) giải bài toán NLP với hàng trăm nghìn phần tử hữu hạn để thiết kế khung thân máy bay siêu nhẹ và cánh tuabin gió có hiệu suất khí động lực học tối đa.\u003C\u002Fp>\n\u003Ch2>Phần mềm Tối ưu hóa Số học và Tương lai của Lập trình Phi tuyến\u003C\u002Fh2>\n\u003Cp>Sự kết hợp giữa lý thuyết toán học và sức mạnh tính toán hiện đại:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Các công cụ giải toán tự động (Automatic Differentiation):\u003C\u002Fstrong> Các thư viện như CasADi và PyTorch cho phép tính toán đạo hàm chính xác tuyệt đối mà không cần đạo hàm giải tích thủ công, giúp việc thiết lập mô hình NLP trở nên dễ dàng và chuẩn xác.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tối ưu hóa thời gian thực trên chip nhúng:\u003C\u002Fstrong> Các thuật toán NLP rút gọn được nạp trực tiếp vào vi điều khiển của robot công nghiệp và thiết bị y tế tự động.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Tóm lại, lập trình phi tuyến là công cụ toán học tối thượng định hình công nghệ tương lai và thúc đẩy sự phát triển của trí tuệ nhân tạo.\u003C\u002Fp>\n\u003Cp>Những nỗ lực đổi mới nghiên cứu và hợp tác quốc tế đa phương trong những năm gần đây đang tiếp tục thúc đẩy các chuẩn mực khoa học kỹ thuật mới, mang lại những bước tiến vững chắc và giải pháp toàn diện phục vụ sự nghiệp phát triển bền vững của cộng đồng.\u003C\u002Fp>\n\u003Cp>Bên cạnh đó, việc đào tạo nguồn nhân lực chất lượng cao và nâng cao nhận thức cộng đồng thông qua các diễn đàn khoa học chuyên sâu là chìa khóa then chốt để lan tỏa các giá trị tri thức đích thực vào đời sống kinh tế - xã hội.\u003C\u002Fp>\n\u003Cp>Sự phối hợp chặt chẽ giữa các nhà nghiên cứu, đội ngũ chuyên gia và toàn thể cộng đồng là động lực mạnh mẽ đưa các tri thức khoa học tiên tiến ứng dụng sâu rộng vào thực tiễn cuộc sống.\u003C\u002Fp>\n\u003Cp>Mỗi bước tiến khoa học đều mang lại niềm tin và hy vọng to lớn cho tương lai của toàn xã hội.\u003C\u002Fp>\n\u003Cp>Nhờ những nỗ lực không ngừng nghỉ đó, các thành tựu khoa học ngày càng được hiện thực hóa mạnh mẽ vào thực tiễn, đóng góp tích cực vào việc bảo vệ cuộc sống con người và thúc đẩy sự phát triển văn minh của nhân loại.\u003C\u002Fp>\n\u003Cp>Điều này tiếp tục khẳng định vai trò tối quan trọng của tri thức khoa học trong việc giải quyết những thách thức lớn nhất của thời đại.\u003C\u002Fp>\n\u003Cp>Hành trình khám phá và phát triển này sẽ còn tiếp tục mở rộng, mang lại những bước tiến vượt bậc và tạo dựng nền tảng vững chắc cho các thế hệ tương lai.\u003C\u002Fp>\n\u003Cp>Sự chung tay của cộng đồng khoa học là chìa khóa để hiện thực hóa những mục tiêu tốt đẹp cho toàn xã hội.\u003C\u002Fp>\n\u003Cp>Những thành tựu nghiên cứu và ứng dụng thực tiễn được ghi nhận là minh chứng rõ nét cho sức mạnh của tinh thần đổi mới sáng tạo, mở ra những triển vọng to lớn và định hình con đường phát triển bền vững cho tương lai.\u003C\u002Fp>\n\u003Cp>Mỗi khám phá khoa học đều đóng góp thiết thực vào kho tàng tri thức chung, mang lại giá trị nhân văn sâu sắc cho cộng đồng.\u003C\u002Fp>\n\u003Cp>Sự kiên trì theo đuổi các chuẩn mực nghiên cứu khắt khe là nền móng vững bền nhất để khoa học thực sự phụng sự đời sống con người.\u003C\u002Fp>\n\u003Cp>Điều này tiếp tục thắp sáng niềm tin và truyền cảm hứng mạnh mẽ cho các thế hệ nhà khoa học tiếp theo.\u003C\u002Fp>\n\u003Cp>Những thành quả nghiên cứu tối ưu hóa số học không chỉ mang ý nghĩa lý thuyết sâu sắc mà còn là động lực trực tiếp nâng cao hiệu quả sản xuất công nghiệp và đời sống.\u003C\u002Fp>\n\u003Cp>Tương lai của tối ưu hóa phi tuyến hứa hẹn sẽ còn mang lại nhiều đột phá vượt bậc cho khoa học công nghệ toàn cầu.\u003C\u002Fp>","nonlinear programming",[19,20,21],"quy hoạch phi tuyến","tối ưu hóa phi tuyến","NLP","Lập trình phi tuyến là phân ngành toán học tối ưu hóa chuyên giải bài toán tìm giá trị cực trị của hàm mục tiêu phi tuyến chịu các ràng buộc đẳng thức và bất đẳng thức phi tuyến, ứng dụng điều kiện KKT và các thuật toán SQP, Điểm trong.","NATURAL_SCIENCES",[25,33,41],{"citationText":26,"title":27,"authors":28,"source":29,"year":30,"doi":31,"url":32},"Nocedal, J., & Wright, S. J. (2006). Numerical Optimization (2nd ed.). Springer.","Numerical Optimization","Nocedal, Wright","Springer",2006,"10.1007\u002F978-0-387-40065-5","https:\u002F\u002Fdoi.org\u002F10.1007\u002F978-0-387-40065-5",{"citationText":34,"title":35,"authors":36,"source":37,"year":38,"doi":39,"url":40},"Wächter, A., & Biegler, L. T. (2005). On the implementation of an interior-point filter line-search algorithm for large-scale nonlinear programming. Mathematical Programming, 106(1), 25–57.","On the implementation of an interior-point filter line-search algorithm for large-scale nonlinear programming","Wächter, Biegler","Mathematical Programming",2005,"10.1007\u002Fs10107-004-0559-y","https:\u002F\u002Fdoi.org\u002F10.1007\u002Fs10107-004-0559-y",{"citationText":42,"title":43,"authors":44,"source":45,"year":46,"doi":47,"url":48},"Boggs, P. T., & Tolle, J. W. (1995). Sequential Quadratic Programming. Acta Numerica, 4, 1–51.","Sequential Quadratic Programming","Boggs, Tolle","Acta Numerica",1995,"10.1017\u002Fs0962492900002518","https:\u002F\u002Fdoi.org\u002F10.1017\u002Fs0962492900002518",[50,53,56],{"question":51,"answer":52},"Sự khác biệt căn bản giữa Lập trình tuyến tính (LP) và Lập trình phi tuyến (NLP) là gì?","Trong LP, hàm mục tiêu và mọi ràng buộc đều là bậc nhất (đường thẳng\u002Fmặt phẳng), điểm tối ưu luôn nằm tại đỉnh của miền khả thi đa diện; trong khi NLP có hàm phi tuyến tạo ra nhiều điểm cực tiểu cục bộ (local minima), đòi hỏi các thuật toán số học phức tạp hơn nhiều.",{"question":54,"answer":55},"Điều kiện Karush-Kuhn-Tucker (KKT) có vai trò gì trong NLP?","Điều kiện KKT là hệ điều kiện cần toán học để một điểm là nghiệm tối ưu cục bộ của bài toán có ràng buộc; hầu hết các solver tối ưu hóa số học hiện đại đều lặp bước để tìm điểm thỏa mãn hệ phương trình vi phân KKT này.",{"question":57,"answer":58},"Thuật toán Ipopt hoạt động như thế nào trong giải NLP quy mô lớn?","Ipopt (Interior Point Optimizer do Wächter và Biegler phát triển) sử dụng phương pháp điểm trong rào cản kết hợp chiến lược lọc (filter line-search) để di chuyển dọc theo 'đường trung tâm' bên trong miền khả thi, giải quyết hiệu quả các bài toán hàng triệu biến số.",{"id":60,"researcherId":10,"name":61,"imageUrl":62},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":64,"researcherId":10,"name":65,"imageUrl":66},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[13],false,"PUBLISHED","2025-07-19T09:40:03.340+00:00","2026-08-24T03:27:14.314+00:00","2025-07-23T17:46:27.718+00:00",311,[75,78,88,92,97,102,107,112,117,122],{"id":76,"title":77,"term":76,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"lập trình tuyến tính","Lập trình tuyến tính là gì? Nghiên cứu khoa học liên quan",{"id":79,"title":80,"term":81,"englishTitle":82,"definition":83,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"lập trình bậc hai","Lập trình bậc hai là gì? Ý nghĩa và ứng dụng chuyên sâu","Lập trình bậc hai","quadratic programming","Lập trình bậc hai trong tối ưu hóa toán học là bài toán tìm cực trị (cực tiểu hoặc cực đại) của một hàm mục tiêu bậc hai gồm nhiều biến số, thỏa mãn đồng thời một hệ thống các ràng buộc tuyến tính dưới dạng các đẳng thức hoặc bất đẳng thức.","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":89,"title":90,"term":89,"englishTitle":89,"definition":91,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"proton","Proton là gì? Cấu trúc và ứng dụng của Proton","Proton là một hạt hạ nguyên tử bền vững thuộc nhóm baryon cấu tạo từ hai quark lên và một quark xuống, mang điện tích nguyên tố dương và có khối lượng nghỉ xấp xỉ 1.6726 x 10^-27 kg nằm trong hạt nhân nguyên tử.",{"id":93,"title":94,"term":93,"englishTitle":95,"definition":96,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"nhiệt độ nóng chảy","Nhiệt độ nóng chảy là gì? Các nghiên cứu khoa học liên quan","nhiet do nong chay","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học tự nhiên, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":98,"title":99,"term":98,"englishTitle":100,"definition":101,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"hằng số tốc độ","Hằng số tốc độ là gì? Các bài nghiên cứu khoa học liên quan","rate constant","Hằng số tốc độ (Reaction Rate Constant, ký hiệu k) là một hệ số tỷ lệ đặc trưng trong phương trình động học biểu thị tốc độ của phản ứng hóa học khi nồng độ của tất cả các chất phản ứng bằng đơn vị.",{"id":103,"title":104,"term":103,"englishTitle":105,"definition":106,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"động vật linh trưởng","Động vật linh trưởng là gì? Tiến hóa Perelman, giải phẫu Fleagle và Estrada","primates","Động vật linh trưởng là một bộ thú có vú bậc cao đặc trưng bởi bàn tay ngón cái đối diện, thị giác lập thể 3D và vỏ não phát triển, tiến hóa qua các nhánh Mũi ướt và Mũi khô theo nghiên cứu Perelman-Fleagle.",{"id":108,"title":109,"term":108,"englishTitle":110,"definition":111,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"đồng vị","Đồng vị là gì? Phân loại và ứng dụng trong khoa học hiện đại","isotope","Đồng vị là các biến thể của cùng một nguyên tố hóa học có cùng số proton trong hạt nhân nhưng khác nhau về số neutron, dẫn đến khối lượng nguyên tử khác nhau.",{"id":113,"title":114,"term":113,"englishTitle":115,"definition":116,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"chu trình sinh địa hóa","Chu trình sinh địa hóa: Khái niệm, nguyên lý và ứng dụng","Biogeochemical cycle","Chu trình sinh địa hóa là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực natural sciences, phản ánh các nguyên lý, cơ chế và phương pháp luận chuyên sâu đã được chuẩn hóa trong nghiên cứu và ứng dụng thực tiễn.",{"id":118,"title":119,"term":118,"englishTitle":120,"definition":121,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"ethylene","Ethylene là gì? Cấu trúc hóa học, vai trò sinh học và ứng dụng","Ethylene","Ethylene (ethene, công thức hóa học C2H4) là một hydrocarbon không no thuộc nhóm anken đơn giản nhất, tồn tại ở thể khí không màu, đồng thời là một phytohormone dạng khí điều hòa sự chín và rụng ở thực vật.",{"id":123,"title":124,"term":123,"englishTitle":125,"definition":126,"discipline":23,"disciplineCode":84,"disciplineLabel":85,"disciplineColor":86,"disciplineIcon":87},"không khí ẩm","Không khí ẩm là gì? Các công bố khoa học về Không khí ẩm","moist air","Không khí ẩm là hỗn hợp nhiệt động học giữa không khí khô và hơi nước, có các thông số đặc trưng gồm độ ẩm tương đối, độ ẩm tuyệt đối và nhiệt độ điểm sương."]