[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_m%C3%B4%20h%C3%ACnh%20d%E1%BB%B1a%20tr%C3%AAn%20t%C3%A1c%20nh%C3%A2n{\"limit\":5}":3,"_public_topic_byId_m%C3%B4%20h%C3%ACnh%20d%E1%BB%B1a%20tr%C3%AAn%20t%C3%A1c%20nh%C3%A2n":56},{"code":4,"data":5,"meta":21},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":54,"vietnamLatest":55},[],[8,25,40],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":16,"journalName":17,"vietnamJournal":18,"publishDate":19,"publishYear":20,"totalCitation":21,"url":22,"doi":23,"summary":24},"1174be32-9cdc-473e-a85f-be4abf2026a8","Khả năng chuyển giao không gian của mô hình dựa trên tác nhân để mô phỏng các can thiệp kiểm soát Taenia solium","Spatial transferability of an agent-based model to simulate Taenia solium control interventions",[13,14,15],"Francesco Pizzitutti","Gabrielle Bonnet","Eloy Gonzales-Gustavson",8,"Parasites and Vectors",false,"2023-11-08",2023,null,"https:\u002F\u002Fparasitesandvectors.biomedcentral.com\u002Farticles\u002F10.1186\u002Fs13071-023-06003-9","10.1186\u002Fs13071-023-06003-9","\u003Cp>Dịch tễ học tính toán ứng dụng \u003Cb class=\"publication-topic-keywords\">mô hình dựa trên tác nhân\u003C\u002Fb> CystiAgent để mô phỏng không gian các biện pháp can thiệp phòng chống lây truyền sán dây lợn \u003Ci>Taenia solium\u003C\u002Fi> tại Peru. Mô phỏng nắm bắt các hành vi di chuyển và tập tính sinh hoạt của từng cá thể người và vật nuôi trong cộng đồng. Kết quả đánh giá tính chuyển giao không gian hỗ trợ tối ưu hóa can thiệp y tế bằng \u003Cb class=\"publication-topic-keywords\">mô hình dựa trên tác nhân\u003C\u002Fb>.\u003C\u002Fp>",{"publicationId":26,"title":27,"originalTitle":28,"authorNames":29,"authorCount":33,"journalName":34,"vietnamJournal":18,"publishDate":35,"publishYear":36,"totalCitation":21,"url":37,"doi":38,"summary":39},"e6ff3cc7-43ca-49a5-a06c-4704c9baa5bd","Tích hợp tự động hóa tế bào và mô hình dựa trên tác nhân để dự đoán tăng trưởng đô thị: Trường hợp thành phố Dehradun","Integrating Cellular Automata and Agent-Based Modeling for Predicting Urban Growth: A Case of Dehradun City",[30,31,32],"Vaibhav Kumar","Vivek Kumar Singh","Kshama Gupta",4,"Journal of the Indian Society of Remote Sensing","2021-09-02",2021,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs12524-021-01418-2","10.1007\u002Fs12524-021-01418-2","\u003Cp>Quy hoạch đô thị kết hợp kỹ thuật tự động hóa tế bào với \u003Cb class=\"publication-topic-keywords\">mô hình dựa trên tác nhân\u003C\u002Fb> để dự báo sự thay đổi lớp phủ đất và xu hướng mở rộng không gian đô thị tại Dehradun. Mô hình mô phỏng tương tác phức tạp giữa quyết định chuyển đổi mục đích sử dụng đất của hộ gia đình và quy hoạch công. Khung tích hợp hỗ trợ đắc lực công tác quy hoạch bền vững nhờ \u003Cb class=\"publication-topic-keywords\">mô hình dựa trên tác nhân\u003C\u002Fb>.\u003C\u002Fp>",{"publicationId":41,"title":42,"originalTitle":43,"authorNames":44,"authorCount":47,"journalName":48,"vietnamJournal":18,"publishDate":49,"publishYear":50,"totalCitation":21,"url":51,"doi":52,"summary":53},"82fb2408-898c-4500-a936-8a05ccabd11c","Suy Nghĩ Lại Về Kiểm Định: Tìm Kiếm Hiệu Quả Các Tham Số Trong Mô Hình Dựa Trên Tác Nhân","Rethinking Validation: Efficient Search of the Space of Parameters for an Agent-Based Model",[45,46],"Doina Olaru","Sharon Purchase",2,"Australasian Marketing Journal","2014-02-01",2014,"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS1441358213000682","10.1016\u002Fj.ausmj.2013.12.010","\u003Cp>Phương pháp mô phỏng hệ thống đề xuất kỹ thuật phân tích độ nhạy nhằm tìm kiếm không gian tham số tối ưu cho \u003Cb class=\"publication-topic-keywords\">mô hình dựa trên tác nhân\u003C\u002Fb> mô phỏng mạng lưới kinh doanh. Sự phân bổ nguồn lực và tri thức giữa các đối tác được đánh giá thông qua thuật toán tối ưu hóa di truyền. Công trình hỗ trợ chuẩn hóa quy trình kiểm định hành vi khi thiết kế các hệ thống \u003Cb class=\"publication-topic-keywords\">mô hình dựa trên tác nhân\u003C\u002Fb>.\u003C\u002Fp>",[],[],{"code":4,"data":57,"meta":21},{"id":58,"title":59,"description":60,"content":61,"term":58,"englishTitle":62,"synonyms":21,"definition":63,"discipline":64,"references":65,"faqs":98,"createUser":108,"publishUser":112,"keywords":116,"keywordCount":21,"enrichTopicLink":18,"status":117,"createTime":118,"updateTime":119,"publishTime":120,"linkEnrichedTime":21,"publicationScanTime":121,"contentErrorMessage":21,"viewCount":122,"wikidataId":21,"relateTopics":123},"mô hình dựa trên tác nhân","Mô hình dựa trên tác nhân là gì? Bản chất và ứng dụng ABM","Mô hình dựa trên tác nhân (ABM) là phương pháp mô phỏng tính toán vi mô phân tích hành vi nảy sinh từ tương tác giữa các thực thể tự chủ trong hệ phức tạp.","\u003Cp>Mô hình dựa trên tác nhân (agent-based model - ABM) là một phương pháp mô phỏng tính toán vi mô mô hình hóa một hệ thống phức tạp dưới dạng tập hợp các thực thể tự chủ (gọi là tác nhân - agents), mỗi tác nhân tuân theo các tập quy tắc hành vi nhất định và tương tác với nhau cùng môi trường xung quanh, từ đó tái hiện các đặc tính và hiện tượng nảy sinh (emergence) ở cấp độ vĩ mô. Khác biệt sâu sắc với các phương pháp mô hình hóa từ trên xuống (top-down) truyền thống vốn dựa vào các hệ phương trình vi phân tất định hoặc các giả định đơn giản hóa về cá thể đại diện đồng nhất, ABM tiếp cận hệ thống theo triết lý kiến tạo từ dưới lên (bottom-up). Theo công trình tổng quan kinh điển của Bonabeau (2002) trên Proceedings of the National Academy of Sciences (PNAS), ABM cung cấp khả năng mô phỏng vượt trội cho các hệ thống con người và xã hội phức tạp, nơi các tương tác phi tuyến cục bộ giữa các cá thể không đồng nhất tạo ra những hành vi tập thể vĩ mô bất ngờ. Được đặt nền móng học thuật vững chắc từ công trình xã hội nhân tạo Sugarscape của Epstein & Axtell (1996) do MIT Press xuất bản và được chuẩn hóa tài liệu khoa học qua Giao thức ODD gồm 7 phần và 11 khái niệm thiết kế của Grimm và cộng sự (2006) trên Ecological Modelling, ABM ngày nay đã trở thành công cụ trụ cột trong khoa học phức hợp, dịch tễ học, kinh tế học tiến hóa, sinh thái học và quy hoạch đô thị thông minh. Bài viết này trình bày toàn diện về kiến trúc thành phần của Macal & North (2010), nguyên lý nảy sinh, giao thức ODD, thách thức phương pháp luận, so sánh với mô hình phương trình vi phân và các lĩnh vực ứng dụng tiêu biểu trong thực tiễn.\u003C\u002Fp>\n\n\u003Ch2>Kiến trúc Cốt lõi của Mô hình Dựa trên Tác nhân\u003C\u002Fh2>\n\u003Cp>Theo tài liệu chuẩn hóa hướng dẫn của Macal & North (2010) trên Journal of Simulation, một mô hình ABM hoàn chỉnh được cấu thành từ 3 thành phần nền tảng:\u003C\u002Fp>\n\n\u003Ch3>1. Tập hợp các Tác nhân Tự chủ (Autonomous Agents)\u003C\u002Fh3>\n\u003Cp>Mỗi tác nhân là một đơn vị tính toán độc lập mang các đặc tính sau:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Tính tự chủ (Autonomy):\u003C\u002Fstrong> Tác nhân tự đưa ra quyết định hành động dựa trên trạng thái nội tại và nhận thức về môi trường xung quanh mà không chịu sự điều khiển tập trung từ một bộ chỉ huy trung tâm.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tính không đồng nhất (Heterogeneity):\u003C\u002Fstrong> Khác với giả định cá thể đại diện trong kinh tế học cổ điển, các tác nhân trong ABM có thể sở hữu các thuộc tính đa dạng (tuổi tác, giới tính, mức thu nhập, thái độ chấp nhận rủi ro, ngưỡng tâm lý khác nhau).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Trạng thái nội tại và Bộ nhớ (Internal States & Memory):\u003C\u002Fstrong> Mỗi tác nhân lưu giữ các biến trạng thái (vị trí tọa độ, năng lượng, tài sản, trạng thái nhiễm bệnh) và có thể tích lũy kinh nghiệm lịch sử để thay đổi hành vi tương lai.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tính thích nghi và Học máy (Adaptation):\u003C\u002Fstrong> Tác nhân có khả năng học hỏi thông qua các thuật toán học tăng cường (Reinforcement Learning) hoặc giải thuật di truyền (Genetic Algorithms) để tối ưu hóa hàm mục tiêu của bản thân.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>2. Mối quan hệ và Cấu trúc Mạng lưới Tương tác (Interaction Topology)\u003C\u002Fh3>\n\u003Cp>Các tác nhân tương tác với nhau thông qua các cấu trúc không gian và mạng lưới toán học:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Mạng lưới xã hội phức tạp:\u003C\u002Fstrong> Tương tác qua đồ thị mạng lưới như mạng thế giới nhỏ (Small-world network), mạng không tỷ lệ (Scale-free network) mô tả liên kết gia đình, bạn bè hoặc giao dịch thương mại.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tương tác cục bộ theo không gian:\u003C\u002Fstrong> Tác nhân chỉ tương tác với các láng giềng nằm trong bán kính quan sát hình học nhất định (như mô hình láng giềng Moore hoặc von Neumann trên lưới ô cờ).\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>3. Môi trường Không gian (Environment)\u003C\u002Fh3>\n\u003Cp>Môi trường là không gian nơi các tác nhân cư trú và di chuyển, có thể là lưới tế bào rời rạc, không gian liên tục, hoặc bản đồ không gian địa lý thực tế (GIS - Geographic Information Systems) chứa các tài nguyên tự nhiên có thể tái tạo hoặc cạn kiệt.\u003C\u002Fp>\n\n\u003Ch2>Nguyên lý Hiện tượng Nảy sinh (Emergence) và Khoa học Xã hội Tạo sinh\u003C\u002Fh2>\n\u003Cp>Hiện tượng nảy sinh là khái niệm triết học và toán học trung tâm của khoa học hệ thống phức hợp:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Khái niệm Hiện tượng nảy sinh:\u003C\u002Fstrong> Là sự xuất hiện của các quy luật, trật tự, hoặc cấu trúc vĩ mô ở cấp độ toàn hệ thống mà không thể suy diễn một cách tuyến tính từ việc cộng gộp các thuộc tính riêng lẻ của từng tác nhân theo phân tích của Bonabeau (2002).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Mô hình Sugarscape của Epstein & Axtell (1996):\u003C\u002Fstrong> Trong chuyên khảo kinh điển Growing Artificial Societies, các tác nhân đơn giản chỉ di chuyển trên một cảnh quan có phân bố đường (sugar) để tìm kiếm thức ăn và sinh tồn. Từ những quy tắc hành vi cục bộ vô cùng đơn giản, mô hình đã tự động làm nảy sinh sự phân hóa giàu nghèo theo phân phối Pareto, sự phân tầng giai cấp xã hội, các luồng di cư bộ lạc và sự hình thành tín dụng thương mại.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Khoa học Xã hội Tạo sinh (Generative Social Science):\u003C\u002Fstrong> Epstein & Axtell (1996) đã đề xuất phương châm phương pháp luận nền tảng: Nếu bạn không thể phát triển nó từ dưới lên trong một xã hội nhân tạo, bạn chưa thực sự giải thích được cơ chế sinh ra nó.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Giao thức Chuẩn hóa ODD trong Công bố Mô hình ABM\u003C\u002Fh2>\n\u003Cp>Để giải quyết thách thức về tính minh bạch và khả năng tái lập trong nghiên cứu mô hình hóa, Grimm và cộng sự (2006) trên Ecological Modelling đã đề xuất Giao thức ODD (Overview, Design concepts, Details) gồm 7 phần và 11 khái niệm thiết kế chuẩn mực:\u003C\u002Fp>\n\n\u003Ch3>1. Phần Tổng quan (Overview)\u003C\u002Fh3>\n\u003Col>\n\u003Cli>\u003Cstrong>Mục đích (Purpose):\u003C\u002Fstrong> Xác định rõ câu hỏi khoa học và mục tiêu cụ thể mà mô hình cần giải quyết.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Thực thể, Biến trạng thái và Thang đo (Entities, state variables, and scales):\u003C\u002Fstrong> Liệt kê tất cả các loại tác nhân, các biến số nội tại và thang đo không gian - thời gian của một bước mô phỏng (time step).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tổng quan tiến trình và Lập lịch (Process overview and scheduling):\u003C\u002Fstrong> Trình bày thứ tự tuần tự các hành động diễn ra trong mỗi bước thời gian của mô hình.\u003C\u002Fli>\n\u003C\u002Fol>\n\n\u003Ch3>2. Khái niệm Thiết kế (Design Concepts)\u003C\u002Fh3>\n\u003Col start=\"4\">\n\u003Cli>\u003Cstrong>Các khái niệm thiết kế nền tảng (Design concepts):\u003C\u002Fstrong> Mô tả chi tiết 11 khái niệm lý thuyết cốt lõi (tính nảy sinh, khả năng thích nghi, hàm mục tiêu, dự đoán, cảm biến, tương tác, tính ngẫu nhiên, sự thu thập và quan sát) theo Grimm và cộng sự (2006).\u003C\u002Fli>\n\u003C\u002Fol>\n\n\u003Ch3>3. Phần Chi tiết (Details)\u003C\u002Fh3>\n\u003Col start=\"5\">\n\u003Cli>\u003Cstrong>Khởi tạo ban đầu (Initialization):\u003C\u002Fstrong> Mô tả trạng thái ban đầu của hệ thống tại thời điểm bắt đầu mô phỏng.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Dữ liệu đầu vào (Input data):\u003C\u002Fstrong> Các chuỗi dữ liệu ngoại sinh điều khiển môi trường theo thời gian.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Các mô hình con (Submodels):\u003C\u002Fstrong> Trình bày toàn bộ các phương trình toán học và thuật toán logic chi tiết của từng hành vi tác nhân.\u003C\u002Fli>\n\u003C\u002Fol>\n\n\u003Ch2>Thách thức Phương pháp luận và Giới hạn Kỹ thuật của ABM\u003C\u002Fh2>\n\u003Cp>Mặc dù là công cụ mô phỏng mạnh mẽ, ABM đối mặt với những thách thức phương pháp luận nghiêm ngặt trong nghiên cứu học thuật:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Thách thức Thẩm định và Hiệu chuẩn (Validation & Calibration):\u003C\u002Fstrong> Việc xác thực một mô hình ABM phức tạp gặp khó khăn do thiếu dữ liệu vi mô chi tiết về hành vi con người trong thế giới thực. Ngoài ra, hiện tượng nhiều bộ tham số vi mô khác nhau cùng dẫn đến một kết quả vĩ mô tương tự (equifinality) khiến việc chứng minh tính đúng đắn duy nhất của mô hình trở nên thách thức.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Nguy cơ Quá khớp (Overfitting) và Bùng nổ Tham số:\u003C\u002Fstrong> Khi mô hình hóa quá nhiều quy tắc hành vi chi tiết, không gian tham số mở rộng theo hàm số mũ, khiến mô hình có thể giải thích tốt dữ liệu lịch sử đã qua nhưng mất đi năng lực dự báo đối với các kịch bản tương lai mới.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chi phí Tính toán Khổng lồ (Computational Complexity):\u003C\u002Fstrong> Mô phỏng hàng triệu tác nhân với các tương tác phi tuyến lặp đi lặp lại qua hàng ngàn bước thời gian đòi hỏi hạ tầng tính toán song song hiệu năng cao (HPC), đặc biệt khi phải chạy mô phỏng ngẫu nhiên Monte Carlo hàng ngàn lần để đạt ý nghĩa thống kê vững chắc.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Bảng so sánh Mô hình Dựa trên Tác nhân (ABM) và Mô hình Phương trình Vi phân (EBM)\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Tiêu chí so sánh\u003C\u002Fth>\n\u003Cth>Mô hình dựa trên tác nhân (ABM)\u003C\u002Fth>\n\u003Cth>Mô hình phương trình vi phân (EBM)\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Phương pháp tiếp cận\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Từ dưới lên (Bottom-up), kiến tạo vi mô\u003C\u002Ftd>\n\u003Ctd>Từ trên xuống (Top-down), tổng hợp vĩ mô\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Đơn vị cơ bản\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Cá thể rời rạc không đồng nhất (Heterogeneous agents)\u003C\u002Ftd>\n\u003Ctd>Biến trạng thái liên tục của toàn bộ quần thể (Populations)\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Cơ chế tương tác\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Tương tác phi tuyến cục bộ, qua mạng lưới phức tạp\u003C\u002Ftd>\n\u003Ctd>Giả định hòa trộn hoàn toàn (Homogeneous mixing)\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Tính ngẫu nhiên\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Mô phỏng ngẫu nhiên Monte Carlo (Stochastic)\u003C\u002Ftd>\n\u003Ctd>Thường là tất định (Deterministic ODE\u002FPDE)\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Mô tả không gian\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Không gian rời rạc, mạng lưới đồ thị hoặc bản đồ GIS\u003C\u002Ftd>\n\u003Ctd>Thường không có không gian hoặc liên tục vi phân khuếch tán\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Chi phí tính toán\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Cao, tăng theo cấp số nhân với số lượng tác nhân\u003C\u002Ftd>\n\u003Ctd>Thấp đến trung bình, giải hệ phương trình vi phân nhanh chóng\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Lĩnh vực Ứng dụng Tiêu biểu của Mô hình Dựa trên Tác nhân\u003C\u002Fh2>\n\u003Cp>Theo tổng quan của Bonabeau (2002) và Macal & North (2010), ABM đã chứng minh hiệu quả vượt trội trong nhiều ngành khoa học:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Dịch tễ học và Y tế công cộng:\u003C\u002Fstrong> Mô phỏng sự lây lan của các chủng virus truyền nhiễm trong các mạng lưới tiếp xúc xã hội thực tế, đánh giá hiệu quả của các chính sách can thiệp phi dược lý (cách ly xã hội, đeo khẩu trang, đóng cửa trường học).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Kinh tế học tài chính và Hành vi thị trường:\u003C\u002Fstrong> Mô hình hóa các thị trường chứng khoán nhân tạo với các nhà giao dịch thuật toán và nhà giao dịch cảm tính, giải thích hiện tượng sụp đổ thị trường chớp nhoáng (flash crash) và bong bóng đầu cơ tài chính.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Giao thông vận tải và Sơ tán khẩn cấp:\u003C\u002Fstrong> Mô phỏng hành vi di chuyển và hoảng loạn của đám đông trong các tòa nhà cao tầng hoặc sân bay khi xảy ra hỏa hoạn, tối ưu hóa lối thoát hiểm và chu kỳ đèn tín hiệu giao thông tại các đô thị lớn như Hà Nội và Thành phố Hồ Chí Minh.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sinh thái học và Quản lý tài nguyên lưu vực sông:\u003C\u002Fstrong> Mô hình hóa tương tác động vật ăn thịt - con mồi, sự cạnh tranh khai thác nguồn nước và chuyển đổi sinh kế nông nghiệp thích ứng xâm nhập mặn của các nông hộ tại Đồng bằng sông Cửu Long.\u003C\u002Fli>\n\u003C\u002Ful>","agent-based model","Mô hình dựa trên tác nhân (agent-based model - ABM) là một phương pháp mô phỏng tính toán vi mô mô hình hóa một hệ thống phức tạp dưới dạng tập hợp các thực thể tự chủ (gọi là tác nhân - agents), mỗi tác nhân tuân theo các tập quy tắc hành vi nhất định và tương tác với nhau cùng môi trường xung quanh, từ đó tái hiện các đặc tính và hiện tượng nảy sinh (emergence) ở cấp độ vĩ mô.","ENGINEERING_TECHNOLOGY",[66,74,82,90],{"citationText":67,"title":68,"authors":69,"source":70,"year":71,"doi":72,"url":73},"Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, 99(suppl_3), 7280-7287.","Agent-based modeling: Methods and techniques for simulating human systems","Bonabeau","Proceedings of the National Academy of Sciences",2002,"10.1073\u002Fpnas.082080899","https:\u002F\u002Fdoi.org\u002F10.1073\u002Fpnas.082080899",{"citationText":75,"title":76,"authors":77,"source":78,"year":79,"doi":80,"url":81},"Grimm, V., Berger, U., Bastiansen, F., Eliassen, S., Ginot, V., ... & DeAngelis, D. L. (2006). A standard protocol for describing individual-based and agent-based models: The ODD protocol. Ecological Modelling, 198(1-2), 115-126.","A standard protocol for describing individual-based and agent-based models: The ODD protocol","Grimm, Berger, Bastiansen, Eliassen, Ginot, Giske, Goss-Custard, Grand, Heinz, Huse, Huth, Jepsen, Jørgensen, Mooij, Müller, Pe’er, Piou, Railsback, Robbins, Rossmanith, Rüger, Strand, Souissi, Stillman, Vabø, Visser, DeAngelis","Ecological Modelling",2006,"10.1016\u002Fj.ecolmodel.2006.04.023","https:\u002F\u002Fdoi.org\u002F10.1016\u002Fj.ecolmodel.2006.04.023",{"citationText":83,"title":84,"authors":85,"source":86,"year":87,"doi":88,"url":89},"Epstein, J. M., & Axtell, R. (1996). Growing Artificial Societies: Social Science from the Bottom Up. The MIT Press.","Growing Artificial Societies: Social Science from the Bottom Up","Epstein, Axtell","The MIT Press",1996,"10.7551\u002Fmitpress\u002F3374.001.0001","https:\u002F\u002Fdoi.org\u002F10.7551\u002Fmitpress\u002F3374.001.0001",{"citationText":91,"title":92,"authors":93,"source":94,"year":95,"doi":96,"url":97},"Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modelling and simulation. Journal of Simulation, 4(3), 151-162.","Tutorial on agent-based modelling and simulation","Macal, North","Journal of Simulation",2010,"10.1057\u002Fjos.2010.3","https:\u002F\u002Fdoi.org\u002F10.1057\u002Fjos.2010.3",[99,102,105],{"question":100,"answer":101},"Sự khác biệt căn bản giữa Mô hình hóa dựa trên tác nhân (ABM) và Mô hình phương trình vi phân là gì?","Các mô hình phương trình vi phân truyền thống (như phương trình vi phân trong mô hình dịch bệnh SIR hoặc phương trình cân bằng kinh tế vĩ mô) tiếp cận hệ thống từ trên xuống (top-down), giả định các cá thể đồng nhất hoàn toàn và chuyển động liên tục. Ngược lại, ABM tiếp cận từ dưới lên (bottom-up), mô hình hóa từng cá thể không đồng nhất (heterogeneous agents) với tính tự chủ, hành vi ra quyết định cục bộ và vị trí không gian rời rạc, cho phép tái hiện các cấu trúc phức tạp tự nảy sinh.",{"question":103,"answer":104},"Giao thức ODD (ODD Protocol) chuẩn hóa việc mô tả mô hình ABM như thế nào?","Theo công trình của Grimm và cộng sự (2006) trên Ecological Modelling, giao thức ODD (Overview, Design concepts, Details) chuẩn hóa tài liệu mô tả mô hình thành 7 phần có cấu trúc chặt chẽ với 11 khái niệm thiết kế nền tảng. Chuẩn này giúp các nhà nghiên cứu trên thế giới có thể tái lập (replicate) và kiểm chứng độc lập mã nguồn mô hình.",{"question":106,"answer":107},"Hiện tượng nảy sinh (Emergence) trong hệ thống tác nhân có ý nghĩa gì?","Theo Bonabeau (2002) trên PNAS, hiện tượng nảy sinh là sự xuất hiện của các quy luật, cấu trúc hoặc trật tự vĩ mô trong toàn hệ thống (như sự phân hóa giàu nghèo trong mô hình Sugarscape của Epstein & Axtell 1996, hiện tượng kẹt xe sóng dừng trên cao tốc, hay hành vi bay lượn đồng bộ của đàn chim) mà không có bất kỳ cá thể tác nhân đơn lẻ nào mang sẵn quy luật đó trong tập mã lệnh của mình.",{"id":109,"researcherId":21,"name":110,"imageUrl":111},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":113,"researcherId":21,"name":114,"imageUrl":115},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",[58],"PUBLISHED","2025-07-13T02:20:19.517+00:00","2026-09-03T02:14:27.703+00:00","2025-07-15T10:34:24.154+00:00","2026-09-03T02:14:27.700+00:00",555,[124,134,144,149,154,159,164,169,174,179],{"id":125,"title":126,"term":125,"englishTitle":127,"definition":128,"discipline":129,"disciplineCode":130,"disciplineLabel":131,"disciplineColor":132,"disciplineIcon":133},"hành vi bầy đàn","Hành vi bầy đàn là gì? Các nghiên cứu khoa học liên quan","herd behavior","Hành vi bầy đàn (herd behavior) là hiện tượng các cá nhân trong một tập thể có xu hướng mô phỏng hoặc hành động theo quyết định của số đông thay vì dựa trên thông tin và phân tích độc lập của riêng mình.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users",{"id":135,"title":136,"term":137,"englishTitle":138,"definition":139,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"thuật toán heuristic","Thuật toán heuristic là gì? Phân loại, nguyên lý và ứng dụng","Thuật toán heuristic","heuristic algorithm","Thuật toán heuristic (heuristic algorithm, hay phương pháp phỏng đoán) là kỹ thuật giải quyết bài toán được thiết kế nhằm tìm kiếm lời giải đủ tốt và chấp nhận được trong khoảng thời gian tính toán thực tế cho các bài toán tối ưu hóa phức tạp, đánh đổi tính tối ưu tuyệt đối để lấy tốc độ thực thi.","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":145,"title":146,"term":145,"englishTitle":147,"definition":148,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"hỏa hoạn","Hỏa hoạn là gì? Các bài báo nghiên cứu khoa học liên quan","fire","Hỏa hoạn là sự cố cháy lớn ngoài tầm kiểm soát do phản ứng hóa học tỏa nhiệt nhanh giữa chất cháy và chất oxy hóa (thường là oxy trong không khí), gây thiệt hại nghiêm trọng về người, tài sản và môi trường.",{"id":150,"title":151,"term":150,"englishTitle":152,"definition":153,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"hệ thống hỗ trợ quyết định","Hệ thống hỗ trợ quyết định là gì? Các nghiên cứu khoa học","decision support system","Hệ thống hỗ trợ quyết định (Decision Support System - DSS) là hệ thống thông tin tích hợp dữ liệu, mô hình phân tích và giao diện tương tác nhằm hỗ trợ con người giải quyết các bài toán ra quyết định phức tạp và bán cấu trúc.",{"id":155,"title":156,"term":155,"englishTitle":157,"definition":158,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"tổn thất công suất","Tổn thất công suất là gì? Nguyên nhân, công thức và giải pháp","power loss","Tổn thất công suất là hiện tượng tiêu hao năng lượng điện dưới dạng nhiệt hoặc từ trường trong các phần tử của hệ thống điện như dây dẫn, máy biến áp và thiết bị truyền tải trong quá trình vận hành.",{"id":160,"title":161,"term":160,"englishTitle":162,"definition":163,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"khí động học","Khí động học: Khái niệm, nguyên lý và ứng dụng","Aerodynamics","Khí động học là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực engineering technology, 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":165,"title":166,"term":165,"englishTitle":167,"definition":168,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"trao đổi nhiệt","Trao đổi nhiệt là gì? Các nghiên cứu khoa học liên quan","heat transfer","Trao đổi nhiệt là quá trình truyền năng lượng nhiệt giữa các vật thể hoặc hệ thống vật lý có sự chênh lệch nhiệt độ qua ba cơ chế dẫn nhiệt, đối lưu và bức xạ cho đến khi đạt trạng thái cân bằng nhiệt.",{"id":170,"title":171,"term":170,"englishTitle":172,"definition":173,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"ứng suất nhiệt","Ứng suất nhiệt là gì? Các bài nghiên cứu khoa học liên quan","ung suat nhiet","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học kỹ thuật và công nghệ, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":175,"title":176,"term":175,"englishTitle":177,"definition":178,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"lực kéo","Lực kéo là gì? Bản chất cơ học, công thức và ứng xử vật liệu","tensile force","Lực kéo (tensile force) là lực tác dụng có xu hướng làm giãn dài hoặc kéo dãn một vật thể dọc theo trục tác dụng, gây ra trạng thái ứng suất kéo và biến dạng kéo trong vật liệu.",{"id":180,"title":181,"term":180,"englishTitle":182,"definition":183,"discipline":64,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"np khó","NP-khó là gì? Độ phức tạp, định lý Cook và giải pháp","NP-hard","NP-khó là lớp các bài toán tính toán mà mọi bài toán trong lớp NP đều có thể quy dẫn thời gian đa thức về chúng, bao gồm cả các bài toán tối ưu hóa."]