Mô hình mô phỏng hệ sinh thái lưới thức ăn: Hổ, Báo và Lợn rừng - Luận văn Bách Khoa

Khám phá mô phỏng lưới thức ăn với các loài động vật hoang dã như hổ, báo và lợn rừng. Tìm hiểu về vai trò và mối quan hệ sinh thái của chúng.

Trường đại học

Đại học Bách Khoa Hà Nội

Chuyên ngành

Toán Tin

Người đăng

Ẩn danh

Thể loại

Luận văn thạc sĩ

2023

54
1
0

Phí lưu trữ

30 Point

Mục lục chi tiết

Lời cảm ơn

Tóm tắt nội dung luận văn

Mục lục

Danh sách bảng

Danh sách hình vẽ

Lời mở đầu

1. Chương 1: Kiến thức chuẩn bị

1.1. Mô hình dựa trên tác tử

1.1.1. Tác tử và mô hình dựa trên tác tử

1.1.2. Ứng dụng của mô hình dựa trên tác tử

1.2. Giao thức ODD

1.4. Chi tiết mô hình

1.5. Công cụ xây dựng ABM

2. Chương 2: Xây dựng mô hình

2.1. Thực thể, biến trạng thái và thang đo

2.2. Tổng quan quá trình và lập lịch

2.3. Khái niệm thiết kế

2.3.1. Tính thích nghi

2.3.2. Mục tiêu tối ưu

2.3.3. Tính cảm biến

2.3.4. Tính ngẫu nhiên

2.4. Chi tiết mô hình

2.5. Tham số mô hình

2.6. Các thủ tục con

3. Chương 3: Thực hiện mô phỏng và phân tích kết quả

3.1. Khởi tạo mô hình

3.2. Mô phỏng cơ bản

3.3. Mô phỏng trên các cách phân bố tế bào thực vật khác nhau

3.4. Phân tích độ nhạy

Kết luận

Tài liệu tham khảo

Tóm tắt

I. Cách mô phỏng lưới thức ăn Hổ Báo Lợn rừng hoạt động

Mô hình mô phỏng lưới thức ăn trong rừng là một công cụ mạnh mẽ để phân tích các quan hệ sinh thái phức tạp. Nghiên cứu này tập trung vào việc xây dựng một mô hình dựa trên tác tử (Agent-Based Model - ABM) để tái hiện các tương tác giữa ba loài quan trọng: Hổ (động vật ăn thịt đầu bảng), Báo hoa mai (sinh vật tiêu thụ bậc 3), và Lợn rừng (động vật ăn tạp). Bằng cách mô phỏng các hành vi cá thể như săn mồi, sinh sản, và di chuyển, mô hình cho phép phân tích các yếu tố ảnh hưởng đến sự tồn tại và cân bằng sinh thái của cả ba loài. Luận văn thạc sĩ “Mô hình mô phỏng hệ sinh thái lưới thức ăn: hổ, báo và lợn rừng” của Phùng Anh Hùng (Đại học Bách Khoa Hà Nội, 2023) là tài liệu cốt lõi, cung cấp nền tảng lý thuyết và dữ liệu thực nghiệm. Mô hình này không chỉ làm rõ chuỗi thức ăn từ thực vật đến Lợn rừng, và từ Lợn rừng đến Báo và Hổ, mà còn phân tích sâu hơn về quan hệ cạnh tranh giữa Hổ và Báo. Việc sử dụng ABM cho phép mỗi cá thể động vật hoạt động như một “tác tử” tự trị, ra quyết định dựa trên trạng thái nội tại (năng lượng, tuổi) và thông tin cảm nhận từ môi trường (vị trí con mồi, đối thủ cạnh tranh).

1.1. Tầm quan trọng của chuỗi thức ăn trong hệ sinh thái rừng

Một hệ sinh thái rừng bền vững phụ thuộc vào sự cân bằng của các chuỗi thức ăn và lưới thức ăn. Trong đó, Lợn rừng đóng vai trò là sinh vật tiêu thụ bậc 2 khi ăn thực vật và là con mồi quan trọng cho Báo và Hổ. Báo, với vai trò là kẻ săn mồi, kiểm soát quần thể Lợn rừng. Hổ, ở đỉnh chuỗi thức ăn, không chỉ săn Lợn rừng mà còn có thể săn cả Báo, tạo ra một mối quan hệ phức tạp. Sự biến mất của bất kỳ mắt xích nào, ví dụ như sự suy giảm nguồn thức ăn của lợn rừng, có thể gây ra hiệu ứng tầng, dẫn đến sự sụp đổ của toàn bộ cấu trúc. Do đó, việc nghiên cứu mối liên kết này là nền tảng cho các chiến lược bảo tồn động vật hoang dã.

1.2. Giới thiệu Mô hình dựa trên tác tử ABM trong nghiên cứu

Mô hình dựa trên tác tử (ABM) là một phương pháp mô phỏng máy tính, trong đó các thực thể (tác tử) tự trị tương tác với nhau và với môi trường theo những quy tắc định trước. Theo nghiên cứu của Phùng Anh Hùng (2023), việc áp dụng ABM cho phép mô phỏng hành vi của từng cá thể Hổ, Báo, Lợn rừng một cách chi tiết. Mỗi tác tử có các thuộc tính riêng như năng lượng, tuổi, vị trí và các hành vi như di chuyển, săn mồi, sinh sản. Ưu điểm của phương pháp này là khả năng quan sát các quy luật cấp hệ thống (emergent properties) như biến động số lượng cá thể hay cân bằng sinh thái hình thành từ các tương tác cá thể đơn giản. Đây là công cụ lý tưởng để xây dựng một mô hình hệ sinh thái năng động và thực tế.

1.3. Mục tiêu chính của việc mô phỏng quan hệ sinh thái này

Mục tiêu cốt lõi của đề tài là phân tích và dự đoán các yếu tố ảnh hưởng đến khả năng chung sống của ba loài Hổ, Báo, và Lợn rừng trong một môi trường xác định, ví dụ như một khu bảo tồn. Nghiên cứu tập trung trả lời các câu hỏi: Điều kiện nào về nguồn thức ăn và môi trường là cần thiết để duy trì cả ba quần thể? Quan hệ cạnh tranh giữa Hổ và Báo tác động đến sự ổn định của hệ sinh thái ra sao? Kết quả từ mô phỏng sẽ cung cấp những phát hiện quan trọng, hỗ trợ các nhà quản lý đưa ra quyết định can thiệp kịp thời nhằm duy trì sự đa dạng sinh học và bảo tồn động vật hoang dã.

II. Thách thức duy trì cân bằng sinh thái Hổ Báo Lợn rừng

Việc duy trì cân bằng sinh thái trong một hệ thống gồm các động vật ăn thịt đầu bảng như Hổ và Báo là một thách thức lớn. Vấn đề không chỉ nằm ở mối quan hệ đơn giản giữa kẻ săn mồicon mồi, mà còn ở sự cạnh tranh trực tiếp và gián tiếp. Cả Hổ và Báo đều phụ thuộc vào một nguồn thức ăn chung là Lợn rừng, tạo ra một quan hệ cạnh tranh khốc liệt. Bất kỳ sự thay đổi nào về số lượng Lợn rừng đều ảnh hưởng trực tiếp đến khả năng sống sót của hai loài thú ăn thịt này. Hơn nữa, môi trường sống của Hổthức ăn của báo hoa mai thường trùng lặp, làm tăng thêm áp lực cạnh tranh. Tài liệu nghiên cứu cho thấy Hổ có thể săn cả Báo khi đói, biến Báo từ đối thủ cạnh tranh thành con mồi tiềm năng. Sự phức tạp này đòi hỏi một sự hiểu biết sâu sắc về biến động số lượng cá thể của cả ba loài. Việc quản lý một khu bảo tồn hiệu quả phải tính đến tất cả các tương tác này để tránh sự tuyệt chủng cục bộ của một trong các loài, đặc biệt là loài dễ bị tổn thương hơn trong mối quan hệ cạnh tranh.

2.1. Phân tích quan hệ cạnh tranh giữa động vật ăn thịt đầu bảng

Hổ và Báo hoa mai là hai động vật ăn thịt đầu bảng cùng tồn tại trong nhiều khu vực ở châu Á. Chúng cạnh tranh trực tiếp nguồn con mồi chính là Lợn rừng. Tuy nhiên, sự cạnh tranh này không cân bằng. Hổ có kích thước lớn hơn và sức mạnh vượt trội, thường chiếm ưu thế trong các cuộc đối đầu. Mô phỏng chỉ ra rằng, khi nguồn Lợn rừng khan hiếm, Hổ có xu hướng tấn công Báo, đặc biệt khi năng lượng của Hổ xuống dưới một ngưỡng nhất định. Điều này tạo ra một áp lực sinh tồn kép lên Báo: vừa phải cạnh tranh thức ăn, vừa phải né tránh kẻ săn mồi mạnh hơn. Sự cạnh tranh này là một yếu tố then chốt quyết định cấu trúc quần xã và sự ổn định của hệ sinh thái rừng.

2.2. Biến động số lượng cá thể con mồi và tác động ngược

Số lượng Lợn rừng là biến số quan trọng nhất kiểm soát quần thể Hổ và Báo. Biến động số lượng cá thể Lợn rừng phụ thuộc trực tiếp vào nguồn thức ăn của lợn rừng, tức là thảm thực vật. Khi thực vật phong phú, quần thể Lợn rừng tăng nhanh, cung cấp nguồn thức ăn dồi dào cho các loài săn mồi. Ngược lại, khi thảm thực vật suy giảm do thiên tai hoặc các yếu tố khác, số lượng Lợn rừng giảm mạnh. Sự suy giảm này gây ra áp lực nghiêm trọng lên Hổ và Báo, buộc chúng phải cạnh tranh gay gắt hơn hoặc di chuyển đến khu vực khác. Mô hình mô phỏng cho thấy rõ mối quan hệ nhân quả này, nhấn mạnh rằng bảo vệ con mồi và môi trường sống của chúng là cách hiệu quả nhất để bảo vệ các động vật ăn thịt.

2.3. Yếu tố môi trường sống và nguồn thức ăn của lợn rừng

Môi trường sống lý tưởng không chỉ cung cấp không gian mà còn phải đảm bảo nguồn thức ăn bền vững. Đối với hệ sinh thái này, sự phân bố và mật độ của thảm thực vật – nguồn thức ăn của lợn rừng – là yếu tố nền tảng. Lợn rừng là động vật ăn tạp, nhưng thực vật chiếm một phần lớn trong chế độ ăn của chúng. Các khu vực có thảm thực vật nghèo nàn hoặc phân mảnh sẽ không thể duy trì một quần thể Lợn rừng đủ lớn. Điều này gián tiếp ảnh hưởng đến khả năng tồn tại của Hổ và Báo. Do đó, việc đánh giá chất lượng môi trường sống, đặc biệt là sự sẵn có của tài nguyên thực vật, là bước đầu tiên và quan trọng nhất trong việc quy hoạch các khu bảo tồn.

III. Phương pháp xây dựng mô hình lưới thức ăn theo giao thức ODD

Để đảm bảo tính minh bạch và khả năng tái tạo, mô hình mô phỏng được xây dựng dựa trên giao thức ODD (Overview, Design Concepts, Details). Giao thức này cung cấp một cấu trúc tiêu chuẩn để mô tả các mô hình hệ sinh thái dựa trên tác tử. Phần Tổng quan (Overview) xác định mục đích, các thực thể và quy trình tổng thể của mô hình. Phần Khái niệm thiết kế (Design Concepts) giải thích các nguyên tắc cơ bản, tính thích nghi, và các tương tác giữa tác tử. Phần Chi tiết (Details) cung cấp thông tin cụ thể về các tham số khởi tạo và các thủ tục con như di chuyển, sinh sản, và săn mồi. Theo luận văn của Phùng Anh Hùng (2023), việc tuân thủ ODD giúp hệ thống hóa quá trình thiết kế, từ việc xác định các biến trạng thái như năng lượng và tuổi của mỗi cá thể, đến việc lập trình các hành vi phức tạp. Cách tiếp cận này biến một sơ đồ lưới thức ăn tĩnh thành một hệ thống động, nơi các quy luật sinh thái được hình thành từ các hành vi vi mô của từng tác tử.

3.1. Xác định thực thể biến trạng thái và thang đo mô phỏng

Mô hình bao gồm hai loại thực thể chính: Động vật (Hổ, Báo, Lợn rừng) và Tế bào thực vật. Mỗi thực thể động vật được định nghĩa bởi các biến trạng thái cốt lõi là energy (năng lượng sống) và age (tuổi). Tế bào thực vật có biến energy (năng lượng) và grow_speed (tốc độ phát triển). Thang đo không gian của mô phỏng là một lưới 50x50 ô, tương đương 400 km² trong thực tế. Mỗi bước thời gian trong mô hình tương ứng với một ngày. Việc xác định rõ các biến và thang đo này là nền tảng để đảm bảo các quy trình sinh học như tiêu hao năng lượng, lão hóa và sinh sản được mô phỏng một cách chính xác, phản ánh đúng quan hệ sinh thái trong tự nhiên.

3.2. Thiết lập các quy tắc tương tác săn mồi sinh sản di chuyển

Các quy tắc tương tác là trái tim của mô hình hệ sinh thái. Quy tắc săn mồi được xác định bằng xác suất thành công (catch_proba). Ví dụ, Hổ có xác suất bắt Lợn rừng khác với xác suất bắt Báo. Quy tắc sinh sản phụ thuộc vào năng lượng của cá thể mẹ; khi đạt ngưỡng năng lượng, cá thể có một xác suất nhất định để sinh ra lứa con mới. Quy tắc di chuyển là phức tạp nhất, tích hợp hành vi né tránh kẻ thù, tránh đồng loại (giảm cạnh tranh) và tìm kiếm con mồi. Chẳng hạn, Báo sẽ ưu tiên né Hổ, nhưng khi quá đói, nó sẽ bỏ qua rủi ro để ưu tiên tìm Lợn rừng. Những quy tắc này mô phỏng các quyết định sinh tồn mà động vật phải đối mặt hàng ngày.

3.3. Tích hợp tính ngẫu nhiên và khả năng thích nghi của tác tử

Thế giới tự nhiên không hoàn toàn tất định. Do đó, tính ngẫu nhiên (stochasticity) được tích hợp vào mô hình ở nhiều khâu: vị trí khởi tạo của cá thể, xác suất sinh sản, kết quả săn mồi, và lựa chọn hướng di chuyển ngẫu nhiên khi có nhiều lựa chọn tương đương. Bên cạnh đó, các tác tử thể hiện khả năng thích nghi (adaptation). Ví dụ điển hình là hành vi của Báo thay đổi dựa trên mức năng lượng. Khi no đủ, nó ưu tiên an toàn (né Hổ). Khi đói, nó ưu tiên tìm thức ăn. Sự thích nghi này làm cho mô hình trở nên thực tế hơn, phản ánh được sự linh hoạt trong hành vi của động vật hoang dã để tối ưu hóa cơ hội sống sót.

IV. Kết quả mô phỏng lưới thức ăn và yếu tố quyết định sinh tồn

Kết quả từ hàng trăm lần chạy mô phỏng đã cung cấp những hiểu biết sâu sắc về các yếu tố quyết định sự tồn tại đồng thời của Hổ, Báo và Lợn rừng. Phân tích dữ liệu cho thấy sự cân bằng sinh thái của hệ thống cực kỳ nhạy cảm với sự sẵn có và phân bố của nguồn tài nguyên cấp thấp nhất, tức là thảm thực vật cho Lợn rừng. Một phát hiện quan trọng từ nghiên cứu của Phùng Anh Hùng (2023) là sự phân bố của các vùng có thức ăn đóng vai trò quan trọng không kém gì tổng diện tích. Các vùng thực vật phân tán, xen kẽ tạo điều kiện cho Lợn rừng dễ dàng tìm thấy thức ăn hơn so với các vùng tập trung ở một khu vực duy nhất. Điều này trực tiếp ảnh hưởng đến biến động số lượng cá thể Lợn rừng, và do đó, ảnh hưởng đến nguồn con mồi cho Hổ và Báo. Kết quả mô phỏng không chỉ là những con số, mà còn là một sơ đồ lưới thức ăn sống động, cho thấy sự phụ thuộc lẫn nhau mong manh giữa các loài.

4.1. Ảnh hưởng của phân bố thực vật đến quần thể lợn rừng

Mô phỏng trên các bản đồ có cách phân bố thực vật khác nhau (tập trung ở trung tâm, ở góc, và phân bố ngẫu nhiên) cho thấy kết quả khác biệt rõ rệt. Các bản đồ nơi vùng thực vật bị cô lập và cách xa nhau (như centercorner) làm giảm khả năng sống sót của Lợn rừng. Khi một cá thể Lợn rừng ở trong một vùng không có thức ăn, nó phải di chuyển một quãng đường dài hơn để đến được nguồn tài nguyên, làm tăng nguy cơ chết đói. Ngược lại, các bản đồ có sự phân bố dạng lưới hoặc ngẫu nhiên (grid, random2) với các khoảng trống nhỏ hơn giúp Lợn rừng duy trì quần thể ổn định hơn. Điều này chứng tỏ cấu trúc không gian của nguồn thức ăn của lợn rừng là yếu tố quyết định.

4.2. Phân tích Vì sao 70 diện tích thực vật là ngưỡng quan trọng

Một trong những kết luận đắt giá nhất của nghiên cứu là để tăng xác suất cả ba loài cùng tồn tại lâu dài, diện tích bao phủ thức ăn của Lợn rừng nên chiếm trên 70% tổng diện tích khu bảo tồn. Khi tỉ lệ này giảm xuống dưới 50%, mô phỏng gần như không ghi nhận trường hợp nào cả ba loài cùng sống sót đến cuối chu kỳ 7000 ngày. Dưới ngưỡng này, quần thể Lợn rừng không đủ lớn để đóng vai trò là nguồn con mồi bền vững cho cả hai loài động vật ăn thịt là Hổ và Báo. Hệ quả là quan hệ cạnh tranh trở nên cực kỳ gay gắt, dẫn đến sự tuyệt chủng của một hoặc cả hai loài săn mồi. Con số 70% này cung cấp một mục tiêu định lượng cụ thể cho các nhà hoạch định bảo tồn động vật hoang dã.

4.3. Đánh giá độ nhạy Tham số nào ảnh hưởng kết quả nhất

Phân tích độ nhạy cho thấy mô hình đặc biệt nhạy cảm với hai loại tham số: energy_consume (năng lượng tiêu hao mỗi ngày) và catch_proba (xác suất bắt mồi thành công). Một thay đổi nhỏ (±5%) trong các tham số này có thể làm thay đổi đáng kể kết quả. Ví dụ, việc giảm nhẹ năng lượng tiêu hao của Báo (tạo lợi thế cho Báo) có thể khiến Hổ bị cạnh tranh và tuyệt chủng. Ngược lại, tăng nhẹ xác suất bắt mồi của Hổ có thể gây áp lực lớn lên quần thể Báo. Điều này cho thấy sự cân bằng sinh thái giữa hai loài kẻ săn mồi này rất mong manh và bất kỳ ưu thế nhỏ nào cũng có thể phá vỡ sự cân bằng đó.

V. Ứng dụng mô phỏng lưới thức ăn vào bảo tồn động vật hoang dã

Những kết quả từ mô hình mô phỏng hệ sinh thái không chỉ mang giá trị học thuật mà còn có tính ứng dụng thực tiễn cao trong công tác bảo tồn động vật hoang dã. Bằng cách định lượng các yếu tố ảnh hưởng đến cân bằng sinh thái, mô hình cung cấp một công cụ hỗ trợ ra quyết định mạnh mẽ cho các nhà quản lý khu bảo tồn. Thay vì dựa trên các quan sát định tính, giờ đây họ có thể sử dụng các kết quả mô phỏng để đánh giá các kịch bản khác nhau, chẳng hạn như tác động của việc suy giảm thảm thực vật hay sự thay đổi trong cấu trúc quần thể. Mô hình giúp dự đoán các điểm tới hạn, nơi sự can thiệp của con người trở nên cần thiết để ngăn chặn sự tuyệt chủng cục bộ. Đây là một bước tiến quan trọng trong việc chuyển từ bảo tồn thụ động sang quản lý chủ động, dựa trên dữ liệu khoa học để bảo vệ các động vật ăn thịt đầu bảng và toàn bộ hệ sinh thái rừng.

5.1. Đề xuất cho việc thiết kế và quản lý khu bảo tồn hiệu quả

Dựa trên kết quả, hai đề xuất chính được đưa ra. Thứ nhất, ưu tiên lựa chọn hoặc phục hồi các khu vực có độ che phủ thực vật (là nguồn thức ăn của lợn rừng) trên 70%. Thứ hai, nếu tổng diện tích không đạt, cần chú trọng vào cấu trúc phân bố: đảm bảo các vùng có thức ăn không cách nhau quá xa, tạo thành một mạng lưới liên kết thay vì các ốc đảo bị cô lập. Các biện pháp có thể bao gồm trồng lại thảm thực vật hoặc tạo hành lang xanh để kết nối các vùng tài nguyên. Quản lý môi trường sống của con mồi chính là chìa khóa để bảo vệ kẻ săn mồi.

5.2. Sự can thiệp của con người để duy trì sự cân bằng của loài

Mô hình cho thấy sự cân bằng sinh thái giữa Hổ và Báo rất mong manh. Nếu quan sát thực địa cho thấy một loài đang chiếm ưu thế quá mức, sự can thiệp của con người có thể là cần thiết. Các biện pháp có thể bao gồm việc cung cấp thức ăn bổ sung cho loài đang yếu thế, hoặc tạo ra các khu vực ẩn náu, địa hình khó khăn cho việc săn mồi của loài chiếm ưu thế. Việc giám sát liên tục biến động số lượng cá thể của cả ba loài là cực kỳ quan trọng để xác định thời điểm và hình thức can thiệp phù hợp, nhằm duy trì một quan hệ sinh thái ổn định và bền vững lâu dài.

5.3. Hướng phát triển tương lai cho các mô hình hệ sinh thái

Mô hình hiện tại là một nền tảng vững chắc. Hướng phát triển trong tương lai có thể bao gồm việc mở rộng mô hình để tích hợp thêm nhiều loài khác, tạo ra một lưới thức ăn trong rừng phức tạp hơn. Có thể bổ sung các yếu tố như bệnh dịch, thiên tai, hoặc tác động trực tiếp của con người (săn bắn). Việc tinh chỉnh các tham số dựa trên nhiều dữ liệu thực địa hơn sẽ làm tăng độ chính xác của mô hình. Về lâu dài, các mô hình hệ sinh thái như thế này có thể trở thành công cụ không thể thiếu trong quy hoạch và quản lý tài nguyên thiên nhiên, góp phần hiệu quả vào nỗ lực bảo tồn động vật hoang dã trên toàn cầu.

18/09/2025

Trích đoạn nội dung tài liệu

Chương 1, luận văn sẽ trình bày một số cơ sở lý thuyết về mô hình dựa trên tác tử và giao thức ODD.1 Mô hình dựa trên tác tử Với cơ sở dữ liệu đang ngày càng đa dạng, phức tạp, chi tiết hơn, các hướng nghiên cứu được đưa ra với nhu cầu cao về sự kiểm soát hoạt động của từng yếu tố trong hệ thống, từ đó các mô hình mô phỏng cần thực hiện nhiều tác vụ phức tạp hơn. Tận dụng sự phát triển của công nghệ, các nhà nghiên cứu có thể xây dựng được những hệ thống mô phỏng với khả năng tính toán mạnh mẽ, một điều mà trước đây khó mà thực hiện được. Trên cơ sở đó, các nhà nghiên cứu phát triển một loại mô hình mà ở đó họ có thể kiểm soát và nghiên cứu được hoạt động tương tác của của từng cá thể trong một hệ thống, đó là mô hình mô phỏng dựa trên tác tử [3].1 Tác tử và mô hình dựa trên tác tử “Tác tử” là một yếu tố khó định nghĩa. Theo Bonabeau [1], một tác tử là một thành phần độc lập trong hệ thống, nó có thể là một phần mềm hay một mô hình.

Hành vi của một thành phần độc lập có thể từ đơn giản, được mô tả bằng các quy tắc if-then, đến phức tạp, được mô tả bằng các mô hình hành vi phức tạp như trí tuệ nhân tạo. Theo Casti [2], các tác tử phải được xây dựng dựa trên hai loại quy tắc, một là quy tắc cơ bản ý chỉ việc tác tử tương tác với môi trường trường xung quanh, hai là quy tắc cao cấp chịu trách nhiệm thay đổi các quy tắc khác tùy vào điều kiện của mô hình. Jennings [13] cung cấp một quan điểm khoa học máy tính về tác tử rằng các tác tử phải có sự tự động phản hồi và lập kế hoạch thay vì là các thành phần thụ động thuần túy. Theo tài liệu về ABM [3], với mục đích mô hình hóa thực tế, tác tử nên có các đặc điểm nhất định sau: • Tác tử là tự trị và tự điều hướng: trong một phạm vi nhất định, một tác tử có thể hoạt động độc lập trong môi trường của nó và tương tác với các tác tử khác.

Hành vi của một tác tử được là biểu hiện của một quy trình kết nối giữa việc tác tử cảm nhận môi trường xung quanh và quyết định hành động tiếp theo của nó. • Tác tử nằm trong một môi trường. Một tác tử là một cá thể xác định, rõ ràng với một tập hợp các đặc điểm hoặc thuộc tính, hành vi và khả năng 12 ra quyết định. Đặc điểm này giúp xác định được một yếu tố nào đó của mô hình có phải là một phần của tác tử hay không.

• Một tác tử có tính xã hội, tương tác với các tác tử khác. Tác tử có giao thức hoặc cơ chế mô tả cách chúng tương tác với các tác tử khác. Các giao thức tương tác tác tử thông thường bao gồm hấp thu, cạnh tranh, giao tiếp, ảnh hưởng, và các cơ chế khác tùy vào đặc thù mô hình mô phỏng. Ngoài ra, còn có các thuộc tính bổ sung khác được cho là cần thiết để tác tử hoạt động: • Hành vi của tác tử phụ thuộc vào tình hình tương tác của nó với các tác tử khác và môi trường.

• Một tác tử có thể có mục tiêu cụ thể định hướng hành vi của nó. Các mục tiêu không nhất thiết phải là hành động bắt buộc mà có thể là tiêu chí để đánh giá hiệu quả của quyết định và hành động của nó. Điều này cho phép tác tử so sánh liên tục kết quả của hành vi với mục tiêu của mình đã đặt ra để có thể sửa đổi hành vi của mình. • Một tác tử có thể có khả năng học và điều chỉnh hành vi dựa trên kinh nghiệm của nó.

Học và thích nghi đòi hỏi một tác tử có bộ nhớ, thường là dưới dạng một thuộc tính động của tác tử. • Các tác tử thường có các thuộc tính tài nguyên thể hiện lượng tài nguyên hiện có của chúng, ví dụ: năng lượng, tài sản, thông tin,. Các quy tắc hành vi của tác tử có thể khác nhau về độ phức tạp, lượng thông tin được xem xét trong quyết định của tác tử, các phản ứng có thể xảy ra hoặc hành vi của các tác tử khác, và mức độ lưu trữ các sự kiện quá khứ mà tác tử sử dụng trong quyết định của nó.2 Ứng dụng của mô hình dựa trên tác tử Mô hình dựa trên tác tử được áp dụng vào nhiều lĩnh vực, bao gồm các hệ thống xã hội của con người, hệ thống vật lý và sinh học. Các ứng dụng đa dạng từ việc mô hình hóa các nền văn minh cổ đại đã biến mất từ hàng trăm năm trước đến việc thiết kế các thị trường mới cho các sản phẩm hiện không tồn tại.

Các nghiên cứu khoa học đã đưa ra lập luận rằng mô hình dựa trên tác tử là phương pháp mô hình thích hợp hơn so với các kỹ thuật mô 13 hình hóa khác. Họ lập luận rằng chỉ mô hình dựa trên tác tử mới có thể tích hợp rõ ràng được sự phức tạp phát sinh từ hành vi và tương tác cá nhân tồn tại trong thế giới thực. Ví dụ, Griffin và Stanish [5] phát triển một mô hình dựa trên tác tử cho lưu vực hồ Titicaca của Peru và Bolivia trong thời kỳ tiền sử cuối cùng, từ 2500 năm trước Công nguyên đến 1000 năm sau Công nguyên. Mô hình đã được sử dụng để nghiên cứu giả thuyết về các biến số gây ảnh hưởng đến mô hình quy hoạch về dân sinh, nông nghiệp, và chính trị.

Cấu trúc địa lý không gian của mô hình bao gồm một lưới rộng khoảng 50.000 km2 được tạo thành từ các ô vuông có diện tích 1. Mỗi ô bao gồm các thông tin mô hình hóa địa lý, thủy lực và tiềm năng nông nghiệp. Các tác tử bao gồm các khu định cư, dân tộc, các thực thể chính trị và các nhà lãnh đạo có khả năng tương tác với nhau và với môi trường. Hành vi tác tử được mô hình hoá dưới dạng một tập hợp các điều kiện hành động dựa trên các yếu tố được giả định là nguyên nhân ảnh hưởng đến sản xuất nông nghiệp, di cư, cạnh tranh và thương mại.

Tác giả chỉ ra rằng thông qua một loạt các lần chạy mô phỏng, mô hình đã tạo ra một loạt các mô phỏng chính trị thời tiền sử và kết quả cho các mẫu ở cấp độ vĩ mô tương ứng với các mẫu quan sát được trong hồ sơ khảo cổ học. Vijaya Chandrakala và P. Kiran [10] nghiên cứu về thị trường điện được cơ cấu lại, trong đó các đại lý được xem xét như các thực thể và mỗi đại lý có khả năng học hỏi. Tổ chức đã áp dụng kỹ thuật giá trị nút (nodal pricing) để quản lý tắc nghẽn trên đường truyền điện.

Trong nền tảng đa đại lý này, mục tiêu mỗi đại lý của Công ty phát điện GenCo là tối đa hóa lợi nhuận trong mạng lưới của họ. GenCo thực hiện việc tăng cường khả năng hoạt động kinh tế để tăng thu nhập hàng ngày và báo cáo thông tin cập nhật về chi phí cho tổ chức. Đối với việc nghiên cứu động vật, trong nghiên cứu của mình vào 2015, Neil Carter [8] đã sử dụng ABM để nghiên cứu phương pháp bảo tồn loài hổ khi nghiên cứu về tính lãnh thổ của chúng. Năm 2022, Chanwoo Ko [14] đã dùng ABM để nghiên cứu về hoạt động của lợn rừng và hoạt động săn bắt của con người để hỗ trợ việc ngăn chặn dịch tả lợn Châu Phi.

Các mô hình mô phỏng này được xây dựng để phục vụ các mục đích khác nhau bao gồm nghiên cứu, dự đoán, phân tích ảnh hưởng, hỗ trợ quyết định. Trong luận văn này, chúng tôi cũng sẽ sử dụng mô hình mô phỏng để hỗ 14 trợ việc xây dựng các khu bảo tồn động vật.2 Giao thức ODD Như đã trình bày trong phần trước, ABM là mô hình quan tâm đến các hành vi trong hệ thống bao gồm tính đa dạng, sự tương tác qua lại và sự thích nghi của các tác tử. Từ các nghiên cứu khoa học sử dụng ABM, người ta thấy được rằng có nhiều lĩnh vực với nhiều hướng xây dựng ABM khác nhau. Điều này dẫn đến một vấn đề đó là làm sao để mô tả mô hình ABM một cách rõ ràng và khoa học.

Có các bài báo đã chỉ ra hạn chế của ABM là chung chung và thiếu cơ sở để đánh giá mô hình [15]. Do đó, vào năm 2006, Grimm và các cộng sự [12] đã xây dựng giao thức ODD với ba phần: tổng quan, các khái niệm thiết kế, và chi tiết (Overview, Design concepts, Details). Mục đích của việc tạo ra ODD là giúp các nghiên cứu về ABM có một định dạng chung, một cấu trúc tiêu chuẩn để việc mô tả và đọc hiểu trở nên dễ dàng và hiệu quả hơn. ODD được kỳ vọng sẽ hỗ trợ tạo ra các mô tả mô hình hoàn chỉnh hơn, giúp cho việc xây dựng lại các ABM dễ dàng hơn, tránh bị coi là thiếu khoa học.

Để việc mô tả ABM của luận văn ở Chương 2 được rõ ràng hơn, trong phần này, chúng tôi sẽ giới thiệu cấu trúc của giao thức ODD [17]. Để thuận tiện cho việc đọc và tra cứu thông tin, trong Bảng 1.1 chúng tôi cung cấp bản dịch các thuật ngữ liên quan đến giao thức ODD mà chúng tôi sẽ dùng trong luận văn.1 Tổng quan Trong phần này, người xây dựng mô hình sẽ mô tả tổng quan mô hình, sao cho người đọc có thể dựa vào các thông tin này để xây dựng lại một mô hình tương tự. Mục đích Mỗi mô hình phải bắt đầu từ một câu hỏi, một vấn đề hoặc giả thuyết. Do đó, ODD bắt đầu bằng một tóm tắt ngắn gọn về mục tiêu tổng thể của việc phát triển mô hình.

Trong phần này, không mô tả bất kì điều gì về cách mô hình hoạt động, chỉ nêu ra mục đích sử dụng mô hình đó.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ