[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_thu%E1%BA%ADt%20to%C3%A1n%20heuristic{\"limit\":5}":3,"_public_topic_byId_thuật toán heuristic":76},{"code":4,"data":5,"meta":11},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":74,"vietnamLatest":75},[],[8,23,37,49,62],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":15,"journalName":16,"vietnamJournal":17,"publishDate":18,"publishYear":19,"totalCitation":11,"url":20,"doi":21,"summary":22},"300db646-a839-4409-bc25-66344a5ad19f","Optimizing traveling salesman problem using tabu search metaheuristic algorithm with Pythagorean fuzzy uncertainty",null,[13,14],"Amna Habib","Muhammad Akram",2,"Granular Computing",false,"2024-01-06",2024,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs41066-023-00424-8","10.1007\u002Fs41066-023-00424-8","\u003Cp>\u003Cb>Thực nghiệm thuật toán tối ưu\u003C\u002Fb> tích hợp phân phối bất định mờ \u003Ci>Pythagorean\u003C\u002Fi> vào thuật toán tìm kiếm \u003Ci>Tabu\u003C\u002Fi> nhằm giải bài toán người bán hàng \u003Ci>TSP\u003C\u002Fi> quy mô lớn. Áp dụng dữ liệu thực tế khoảng cách từ \u003Ci>Google Maps\u003C\u002Fi> giữa các thành phố lớn tại Trung Quốc, giải thuật thể hiện khả năng tìm kiếm không gian nghiệm hiệu quả và chống kẹt tối ưu cục bộ. Kết quả ghi nhận tiềm năng ứng dụng lý thuyết mờ trong cấu trúc \u003Cb class=\"publication-topic-keywords\">thuật toán heuristic\u003C\u002Fb>.\u003C\u002Fp>",{"publicationId":24,"title":25,"originalTitle":11,"authorNames":26,"authorCount":30,"journalName":31,"vietnamJournal":17,"publishDate":32,"publishYear":33,"totalCitation":11,"url":34,"doi":35,"summary":36},"10c544ea-ea8c-4dea-8682-e1af26ed3148","A survey on binary metaheuristic algorithms and their engineering applications",[27,28,29],"Jeng-Shyang Pan","Pei Hu","Václav Snášel",4,"Artificial Intelligence Review","2022-11-21",2022,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs10462-022-10328-9","10.1007\u002Fs10462-022-10328-9","\u003Cp>\u003Cb>Tổng quan tài liệu\u003C\u002Fb> phân tích toàn diện các ứng dụng kỹ thuật của thuật toán metaheuristic nhị phân trong không gian tìm kiếm rời rạc. Tác giả chỉ ra hàm chuyển đổi dạng \u003Ci>Sigmoid\u003C\u002Fi> là phương thức mã hóa nhị phân chủ đạo, hỗ trợ giải quyết hiệu quả các bài toán tối ưu hóa đa mục tiêu như chọn lọc đặc trưng, lập lịch và thiết kế kết cấu. Nghiên cứu hệ thống hóa các thách thức về hàm chuẩn và chi phí tính toán, định hướng hoàn thiện \u003Cb class=\"publication-topic-keywords\">thuật toán heuristic\u003C\u002Fb>.\u003C\u002Fp>",{"publicationId":38,"title":39,"originalTitle":11,"authorNames":40,"authorCount":15,"journalName":43,"vietnamJournal":17,"publishDate":44,"publishYear":45,"totalCitation":11,"url":46,"doi":47,"summary":48},"0018e229-2c5c-42bb-b472-26eaaba01b44","PPO: a new nature-inspired metaheuristic algorithm based on predation for optimization",[41,42],"Behnam Mohammad Hasani Zade","Najme Mansouri","Soft Computing","2021-11-17",2021,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs00500-021-06404-x","10.1007\u002Fs00500-021-06404-x","\u003Cp>\u003Cb>Thử nghiệm thuật toán mô phỏng sinh học\u003C\u002Fb> đề xuất giải thuật metaheuristic tối ưu hóa săn mồi \u003Ci>PPO\u003C\u002Fi> lấy cảm hứng từ tương tác sinh học giữa kẻ săn mồi và con mồi. Đánh giá trên 16 hàm kiểm chuẩn và 7 bộ dữ liệu lựa chọn đặc trưng cho thấy \u003Ci>PPO\u003C\u002Fi> cải thiện tốc độ hội tụ từ 10,5% đến 37,3% so với \u003Ci>GA\u003C\u002Fi>, \u003Ci>PSO\u003C\u002Fi> và \u003Ci>GWO\u003C\u002Fi>. Phát hiện này cung cấp công cụ mới cho trường phái \u003Cb class=\"publication-topic-keywords\">thuật toán heuristic\u003C\u002Fb> trong xử lý không gian đa chiều.\u003C\u002Fp>",{"publicationId":50,"title":51,"originalTitle":52,"authorNames":53,"authorCount":57,"journalName":11,"vietnamJournal":17,"publishDate":58,"publishYear":45,"totalCitation":11,"url":59,"doi":60,"summary":61},"60cda078-4a9c-4a96-8654-2fcd63f17806","Thuật toán di truyền dựa trên heuristic cho việc lập lịch nhiều dự án chịu ràng buộc tài nguyên và cam kết trách nhiệm môi trường","A Heuristic-Based Genetic Algorithm for Scheduling of Multiple Projects Subjected to Resource Constraints and Environmental Responsibility Commitments",[54,55,56],"Shadan Gholizadeh-Tayyar","Uche Okongwu","Jacques Lamothe",3,"2021-04-29","https:\u002F\u002Flink.springer.com\u002F10.1007\u002Fs41660-020-00150-7","10.1007\u002Fs41660-020-00150-7","\u003Cp>\u003Cb>Mô hình tối ưu hóa lai\u003C\u002Fb> phát triển \u003Cb class=\"publication-topic-keywords\">thuật toán heuristic\u003C\u002Fb> dựa trên giải thuật di truyền \u003Ci>GA\u003C\u002Fi> nhằm giải quyết bài toán lập lịch đa dự án chịu đồng thời ràng buộc tài nguyên hạn chế và cam kết giảm phát thải môi trường. Kết quả thử nghiệm số cho thấy thuật toán kiểm soát hiệu quả thời gian trễ dự án và tối ưu hóa chi phí xử lý phát thải so với các phương pháp lập lịch truyền thống. Tác giả đề xuất khung tích hợp yếu tố bền vững vào thuật toán tối ưu.\u003C\u002Fp>",{"publicationId":63,"title":64,"originalTitle":11,"authorNames":65,"authorCount":57,"journalName":11,"vietnamJournal":17,"publishDate":69,"publishYear":70,"totalCitation":11,"url":71,"doi":72,"summary":73},"6041f1cb-ceb8-41aa-95d6-781be3aae226","Heuristic algorithms for the single allocation p-hub center problem with routing considerations",[66,67,68],"Zühal Kartal","Mohan Krishnamoorthy","Andreas T. Ernst","2018-07-17",2018,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs00291-018-0526-2","10.1007\u002Fs00291-018-0526-2","\u003Cp>\u003Cb>Nghiên cứu mô hình hóa toán học\u003C\u002Fb> đề xuất hai thuật toán heuristic phát triển từ hệ bầy kiến \u003Ci>ACS\u003C\u002Fi> và bầy hạt rời rạc \u003Ci>DPSO\u003C\u002Fi> nhằm giải bài toán tối ưu mạng lưới định tuyến trung tâm phân phối \u003Ci>pHCVRP\u003C\u002Fi>. Thực nghiệm trên mạng lưới bưu chính Thổ Nhĩ Kỳ và Australia Post cho thấy mô hình kết hợp tìm kiếm cục bộ lặp \u003Ci>ILS\u003C\u002Fi> giúp cực tiểu hóa thời gian vận chuyển toàn mạng. Công trình đóng góp giải pháp nâng cao hiệu năng của \u003Cb class=\"publication-topic-keywords\">thuật toán heuristic\u003C\u002Fb> trong logistics.\u003C\u002Fp>",[],[],{"code":4,"data":77,"meta":11},{"id":78,"title":79,"description":80,"content":81,"term":82,"englishTitle":83,"synonyms":84,"definition":90,"discipline":91,"references":92,"faqs":114,"createUser":124,"publishUser":128,"keywords":132,"keywordCount":11,"enrichTopicLink":17,"status":133,"createTime":134,"updateTime":135,"publishTime":136,"linkEnrichedTime":11,"publicationScanTime":137,"contentErrorMessage":11,"viewCount":138,"relateTopics":139},"thuật toán heuristic","Thuật toán heuristic là gì? Phân loại, nguyên lý và ứng dụng","Thuật toán heuristic là phương pháp tìm lời giải tối ưu xấp xỉ cho bài toán NP-khó. Khám phá giải thuật di truyền (GA), bầy đàn (PSO) và ứng dụng thực tiễn.","\u003Cp>\u003Cstrong>Thuật toán heuristic\u003C\u002Fstrong> (tiếng Anh: \u003Cem>heuristic algorithm\u003C\u002Fem>, hay phương pháp phỏng đoán) là một kỹ thuật giải quyết bài toán trong khoa học máy tính và toán học tối ưu, được thiết kế nhằm tìm kiếm một lời giải \"đủ tốt\" (gần tối ưu hoặc chấp nhận được) trong một khoảng thời gian tính toán thực tế ngắn hơn nhiều so với các phương pháp vét cạn chính xác. Trong lý thuyết độ phức tạp tính toán, đối với các bài toán tối ưu hóa tổ hợp thuộc lớp NP-khó (NP-hard, như bài toán người giao hàng TSP, bài toán xếp ba lô Knapsack hay bài toán tô màu đồ thị), các thuật toán chính xác đòi hỏi thời gian chạy bùng nổ theo hàm mũ \\(O(2^n)\\) hoặc \\(O(n!)\\). Khi đó, các thuật toán heuristic và metaheuristic trở thành công cụ cứu cánh duy nhất để tìm kiếm giải pháp thực thi khả thi cho các hệ thống công nghiệp và giao thông quy mô lớn. Bài viết này trình bày toàn diện về cơ sở lý thuyết, phân loại các họ heuristic, các giải thuật metaheuristic tự nhiên và ứng dụng kỹ thuật thực tiễn.\u003C\u002Fp>\n\n\u003Ch2>Cơ sở lý thuyết và sự đánh đổi trong thiết kế thuật toán\u003C\u002Fh2>\n\u003Cp>Thiết kế thuật toán heuristic dựa trên sự cân bằng giữa ba yếu tố cốt lõi trong không gian bài toán:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Tính tối ưu (Optimality):\u003C\u002Fstrong> Mức độ gần của lời giải tìm được so với lời giải tối ưu toàn cục lý thuyết.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Thời gian tính toán (Efficiency \u002F Time Complexity):\u003C\u002Fstrong> Số lượng phép tính và thời gian thực thi của chương trình.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tính tổng quát (Generality):\u003C\u002Fstrong> Khả năng áp dụng của phương pháp cho nhiều lớp bài toán khác nhau.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Các thuật toán heuristic chấp nhận từ bỏ sự đảm bảo chắc chắn về tính tối ưu tuyệt đối để đạt được tốc độ tính toán trong thời gian đa thức \\(O(n^k)\\). Cốt lõi của một hàm heuristic là \u003Cstrong>hàm đánh giá \\(h(n)\\)\u003C\u002Fstrong>: một ước lượng toán học về chi phí hoặc khoảng cách từ trạng thái hiện tại \\(n\\) đến trạng thái mục tiêu.\u003C\u002Fp>\n\n\u003Ch2>Phân loại các phương pháp Heuristic\u003C\u002Fh2>\n\u003Cp>Các phương pháp phỏng đoán được chia thành nhiều tầng bậc cấu trúc:\u003C\u002Fp>\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Cấp độ thuật toán\u003C\u002Fth>\n      \u003Cth>Cơ chế vận hành\u003C\u002Fth>\n      \u003Cth>Ví dụ điển hình\u003C\u002Fth>\n      \u003Cth>Đặc trưng nổi bật\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Heuristic cấu trúc (Constructive Heuristic)\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Bắt đầu từ trạng thái rỗng, xây dựng dần lời giải từng bước một bằng cách đưa ra lựa chọn cục bộ tốt nhất tại thời điểm đó.\u003C\u002Ftd>\n      \u003Ctd>Thuật toán tham lam (Greedy Algorithm), Thuật toán láng giềng gần nhất (Nearest Neighbor cho TSP)\u003C\u002Ftd>\n      \u003Ctd>Tốc độ chạy cực nhanh nhưng dễ bị bẫy vào nghiệm tối ưu cục bộ kém chất lượng.\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Heuristic tìm kiếm cục bộ (Local Search Heuristic)\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Bắt đầu từ một lời giải hoàn chỉnh ban đầu, liên tục di chuyển sang các lời giải lân cận có giá trị hàm mục tiêu tốt hơn.\u003C\u002Ftd>\n      \u003Ctd>Thuật toán leo đồi (Hill Climbing), Tìm kiếm 2-Opt \u002F 3-Opt\u003C\u002Ftd>\n      \u003Ctd>Cải thiện dần chất lượng lời giải nhưng thường dừng lại ngay khi chạm tới đỉnh đồi cục bộ (Local Optima).\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Metaheuristic (Siêu phỏng đoán)\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Khung thuật toán cấp cao kết hợp giữa chiến lược khai phá (Exploration \u002F Diversification) và chiến lược khai thác sâu (Exploitation \u002F Intensification) để thoát khỏi cực trị cục bộ.\u003C\u002Ftd>\n      \u003Ctd>Giải thuật Di truyền (GA), Tối ưu bầy đàn (PSO), Đàn kiến (ACO), Tìm kiếm Tabu (Tabu Search)\u003C\u002Ftd>\n      \u003Ctd>Hiệu năng tìm kiếm toàn cục mạnh mẽ, ứng dụng phổ quát cho hầu hết bài toán phức tạp.\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Các giải thuật Metaheuristic lấy cảm hứng tự nhiên phổ biến\u003C\u002Fh2>\n\n\u003Ch3>1. Giải thuật Di truyền (Genetic Algorithm - GA)\u003C\u002Fh3>\n\u003Cp>Mô phỏng quy luật tiến hóa và chọn lọc tự nhiên của Darwin. Một tập hợp các lời giải ứng viên được mã hóa thành các \"nhiễm sắc thể\" (chromosome) trong một \"quần thể\" (population). Qua các thế hệ lặp lại, các cá thể có độ thích nghi (fitness) cao hơn sẽ được ưu tiên lựa chọn để thực hiện các toán tử di truyền: \u003Cstrong>Lai ghép (Crossover)\u003C\u002Fstrong> để kết hợp các đặc tính tốt từ bố mẹ, và \u003Cstrong>Đột biến (Mutation)\u003C\u002Fstrong> với xác suất nhỏ để tạo tính đa dạng di truyền và tránh hội tụ sớm.\u003C\u002Fp>\n\n\u003Ch3>2. Tối ưu hóa bầy đàn (Particle Swarm Optimization - PSO)\u003C\u002Fh3>\n\u003Cp>Lấy cảm hứng từ hành vi di chuyển tập thể của đàn chim hoặc đàn cá tìm kiếm thức ăn. Mỗi cá thể (hạt) bay trong không gian tìm kiếm nhiều chiều và liên tục điều chỉnh vận tốc cũng như vị trí của mình dựa trên kinh nghiệm vị trí tốt nhất mà chính nó từng đạt được (\\(p_{\text{best}}\\)) và vị trí tốt nhất mà toàn bộ bầy đàn từng ghi nhận (\\(g_{\text{best}}\\)).\u003C\u002Fp>\n\n\u003Ch3>3. Thuật toán Đàn kiến (Ant Colony Optimization - ACO)\u003C\u002Fh3>\n\u003Cp>Mô phỏng hành vi tìm đường đi ngắn nhất từ tổ đến nguồn thức ăn của loài kiến thông qua việc để lại chất dẫn dụ hóa học (pheromone) trên đường đi. Các tuyến đường ngắn hơn được kiến đi qua thường xuyên hơn sẽ tích tụ nồng độ pheromone cao hơn, từ đó thu hút các cá thể kiến tiếp theo chọn lựa theo quy luật củng cố dương tính.\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng thực tiễn của thuật toán Heuristic\u003C\u002Fh2>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Logistics và Chuỗi cung ứng:\u003C\u002Fstrong> Giải quyết bài toán định tuyến phương tiện giao hàng (Vehicle Routing Problem - VRP), tối ưu hóa lộ trình xe rác đô thị, bài toán xếp dỡ container tại các cảng biển lớn như Cảng Hải Phòng và Cảng Cát Lái.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Hệ thống điện lực và Năng lượng:\u003C\u002Fstrong> Lập lịch huy động các tổ máy phát điện (Unit Commitment) và phân bổ công suất kinh tế tối ưu cho lưới điện truyền tải Việt Nam.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Công nghệ thông tin và Viễn thông:\u003C\u002Fstrong> Định tuyến gói tin thích nghi trong mạng cảm biến không dây (WSN), phân bổ tài nguyên tần số sóng 5G và thuật toán tìm kiếm đường đi ngắn nhất A* trong trò chơi điện tử và bản đồ GPS.\u003C\u002Fli>\n\u003C\u002Ful>","Thuật toán heuristic","heuristic algorithm",[85,86,87,88,89],"phương pháp heuristic","thuật giải heuristic","thuật toán phỏng đoán","heuristic method","metaheuristic","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",[93,100,107],{"citationText":94,"title":95,"authors":96,"source":97,"year":98,"doi":11,"url":99},"Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.","Artificial Intelligence: A Modern Approach","Stuart Russell, Peter Norvig","Pearson",2020,"https:\u002F\u002Fwww.pearson.com\u002Fen-us\u002Fsubject-catalog\u002Fp\u002Fartificial-intelligence-a-modern-approach\u002FP200000003500",{"citationText":101,"title":102,"authors":103,"source":104,"year":105,"doi":106,"url":11},"Talbi, E. G. (2009). Metaheuristics: From Design to Implementation. John Wiley & Sons.","Metaheuristics: From Design to Implementation","El-Ghazali Talbi","John Wiley & Sons",2009,"10.1002\u002F9780470496916",{"citationText":108,"title":109,"authors":110,"source":111,"year":112,"doi":113,"url":11},"Gendreau, M., & Potvin, J. Y. (Eds.). (2019). Handbook of Metaheuristics (3rd ed.). Springer.","Handbook of Metaheuristics","Michel Gendreau, Jean-Yves Potvin","Springer",2019,"10.1007\u002F978-3-319-91086-4",[115,118,121],{"question":116,"answer":117},"Thuật toán chính xác (Exact Algorithm) và thuật toán Heuristic khác nhau như thế nào?","Thuật toán chính xác đảm bảo 100% tìm ra lời giải tối ưu toàn cục nhưng thời gian tính toán bùng nổ theo hàm mũ với bài toán NP-khó. Thuật toán heuristic chấp nhận lời giải gần đúng (xấp xỉ tối ưu) nhưng có thời gian thực thi nhanh ở mức đa thức, khả thi cho các bài toán thực tế quy mô lớn.",{"question":119,"answer":120},"Metaheuristic là gì và gồm những nhóm thuật toán phổ biến nào?","Metaheuristic là khung thuật toán heuristic cấp cao không phụ thuộc vào bài toán cụ thể, thường lấy cảm hứng từ các quy luật tự nhiên như tiến hóa sinh học (Thuật toán Di truyền - GA), hành vi bầy đàn động vật (Tối ưu hóa bầy đàn - PSO, Đàn kiến - ACO), hoặc vật lý (Tôi luyện thép mô phỏng - Simulated Annealing).",{"question":122,"answer":123},"Thuật toán heuristic được ứng dụng phổ biến trong những lĩnh vực kỹ thuật nào?","Heuristic được ứng dụng rộng rãi trong bài toán tối ưu hóa đường đi giao vận (TSP, VRP), lập lịch sản xuất công nghiệp, phân luồng gói tin mạng máy tính, điều độ hệ thống điện năng và huấn luyện mô hình học máy (Machine Learning).",{"id":125,"researcherId":11,"name":126,"imageUrl":127},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":129,"researcherId":11,"name":130,"imageUrl":131},2681,"Cuong Ta","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocKFuWh0ZD601Hp0_V_2xAK3kIOs20Kyv3V5ZLBo6fwfjyymJYzE=s96-c",[78],"PUBLISHED","2025-07-31T03:04:07.311+00:00","2026-08-29T01:04:39.730+00:00","2025-07-31T04:08:49.180+00:00","2026-08-29T01:04:39.725+00:00",1586,[140,143,154,157,166,171,176,181,186,191],{"id":141,"title":142,"term":141,"englishTitle":11,"definition":11,"discipline":11,"disciplineCode":11,"disciplineLabel":11,"disciplineColor":11,"disciplineIcon":11},"giải thuật gen ga","Giải thuật gen GA là gì? Các nghiên cứu về Giải thuật gen GA",{"id":144,"title":145,"term":146,"englishTitle":147,"definition":148,"discipline":149,"disciplineCode":150,"disciplineLabel":151,"disciplineColor":152,"disciplineIcon":153},"tối ưu hóa tổ hợp","Tối ưu hóa tổ hợp là gì? Các nghiên cứu khoa học liên quan","Tối ưu hóa tổ hợp","combinatorial optimization","Tối ưu hóa tổ hợp là phân ngành toán học ứng dụng và khoa học máy tính tìm kiếm phương án tối ưu trong một tập hữu hạn hoặc rời rạc các cấu hình khả thi.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":155,"title":156,"term":155,"englishTitle":11,"definition":11,"discipline":11,"disciplineCode":11,"disciplineLabel":11,"disciplineColor":11,"disciplineIcon":11},"nghiệm tuần hoàn","Nghiệm tuần hoàn là gì? Các nghiên cứu khoa học liên quan",{"id":158,"title":159,"term":158,"englishTitle":160,"definition":161,"discipline":91,"disciplineCode":162,"disciplineLabel":163,"disciplineColor":164,"disciplineIcon":165},"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.","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":167,"title":168,"term":167,"englishTitle":169,"definition":170,"discipline":91,"disciplineCode":162,"disciplineLabel":163,"disciplineColor":164,"disciplineIcon":165},"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":172,"title":173,"term":172,"englishTitle":174,"definition":175,"discipline":91,"disciplineCode":162,"disciplineLabel":163,"disciplineColor":164,"disciplineIcon":165},"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":177,"title":178,"term":177,"englishTitle":179,"definition":180,"discipline":91,"disciplineCode":162,"disciplineLabel":163,"disciplineColor":164,"disciplineIcon":165},"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":182,"title":183,"term":182,"englishTitle":184,"definition":185,"discipline":91,"disciplineCode":162,"disciplineLabel":163,"disciplineColor":164,"disciplineIcon":165},"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":187,"title":188,"term":187,"englishTitle":189,"definition":190,"discipline":91,"disciplineCode":162,"disciplineLabel":163,"disciplineColor":164,"disciplineIcon":165},"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":192,"title":193,"term":192,"englishTitle":194,"definition":195,"discipline":91,"disciplineCode":162,"disciplineLabel":163,"disciplineColor":164,"disciplineIcon":165},"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."]