Nâng Cao Hiệu Năng Mô Phỏng Lan Truyền Dịch Bệnh BVDV Trên Đàn Gia Súc

• Tác giả: Vũ Nguyên Khôi
• Người hướng dẫn: TS. Phạm Mạnh Linh
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Kỹ thuật phần mềm
• Đề tài: Nâng Cao Hiệu Năng Mô Phỏng Lan Truyền Dịch Bệnh BVDV Trên Đàn Gia Súc
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

• LỜI CẢM ƠN
• TÓM TẮT
• DANH SÁCH HÌNH VẼ
• DANH SÁCH BẢNG
• THUẬT NGỮ
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Đặt vấn đề
• 1.2. Bài toán mô phỏng dịch bệnh
• 1.3. Chương trình mô phỏng BVDV bằng ABM
• 2. CHƯƠNG 2: KIẾN THỨC NỀN TẢNG
• 2.1. Tác tử và hệ thống đa tác tử
• 2.2. Đa luồng và đa luồng trong C++
• 2.3. Kiến trúc Web - Queue - Worker
• 3. CHƯƠNG 3: TỐI ƯU HIỆU NĂNG CHƯƠNG TRÌNH MÔ PHỎNG LAN TRUYỀN BVDV
• 3.1. Giới thiệu về chương trình mô phỏng lan truyền BVDV
• 3.2. Tối ưu hiệu năng chương trình mô phỏng bằng đa luồng
• 3.3. Thực nghiệm đánh giá chương trình cải tiến
• 4. CHƯƠNG 4: XÂY DỰNG ỨNG DỤNG WEB MÔ PHỎNG LAN TRUYỀN BVDV
• 4.1. Phân tích thiết kế hệ thống
• 4.2. Ứng dụng Web bvdv-simulations
• 4.3. Kiến trúc hệ thống BOS
• 4.4. Thực nghiệm đo hiệu năng và tài nguyên tiêu thụ
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Kết luận chung
• 5.2. Hướng nghiên cứu trong tương lai
• TÀI LIỆU THAM KHẢO

I. Tổng Quan Về Mô Phỏng Lan Truyền Dịch Bệnh BVDV 55 Ký Tự

Các quần thể động vật, đặc biệt là đàn gia súc, tạo điều kiện lý tưởng cho sự lây lan của mầm bệnh. Sự lây lan này có thể diễn ra ở cấp độ địa phương hoặc khu vực thông qua nhiều con đường, bao gồm hoạt động buôn bán, tiếp xúc trực tiếp hoặc gián tiếp. BVDV (Bovine Viral Diarrhea Virus), hay còn gọi là vi rút viêm ruột ở bò, là một loại virus gây bệnh ảnh hưởng nghiêm trọng đến bò, đặc biệt là trong ngành chăn nuôi bò. Bệnh BVDV do một loại virus thuộc họ Pestivirus gây ra, có khả năng tấn công hệ tiêu hóa, hô hấp và hệ miễn dịch của bò. BVDV có thể lây truyền qua tiếp xúc trực tiếp hoặc gián tiếp giữa bò bị nhiễm và bò khỏe mạnh, hoặc từ bò mẹ sang con trong quá trình mang thai. Nhiễm BVDV có thể làm giảm hiệu suất sinh sản và sản xuất sữa, đồng thời làm tăng nguy cơ mắc các bệnh khác, dẫn đến thiệt hại kinh tế đáng kể. Một số nghiên cứu ước tính thiệt hại có thể lên đến hàng chục triệu đô la trên một triệu con bê. Chính vì vậy, việc nghiên cứu và mô phỏng lan truyền dịch bệnh BVDV là vô cùng quan trọng.

1.1. Các Đường Lây Truyền BVDV và Phân Loại Nhiễm Bệnh

BVDV lây truyền chủ yếu qua hai con đường chính: lây truyền ngang (tiếp xúc trực tiếp hoặc gián tiếp) và lây truyền dọc (từ mẹ sang con). Điều này dẫn đến việc phân loại nhiễm bệnh thành hai loại: mãn tính (do lây truyền dọc) và tạm thời (do lây truyền ngang). Bò nhiễm BVDV mãn tính là nguồn lây nhiễm nguy hiểm vì chúng có thể phát tán virus trong suốt vòng đời. Theo nghiên cứu của Luyuan Qi và cộng sự, việc hiểu rõ các đường lây truyền này là yếu tố then chốt để xây dựng mô hình mô phỏng lan truyền dịch bệnh hiệu quả. 'Từ đó bò bị nhiễm BVDV còn được chia làm hai loại: mãn tính (khi bị nhiễm bệnh do lây truyền dọc) và tạm thời (khi bị nhiễm bệnh do lây truyền ngang).'

1.2. Tác Động Kinh Tế Của BVDV Trong Ngành Chăn Nuôi

Nhiễm BVDV gây ra những thiệt hại kinh tế đáng kể cho ngành chăn nuôi bò. Nó không chỉ làm giảm hiệu suất sinh sản và sản lượng sữa mà còn làm tăng nguy cơ mắc các bệnh khác ở gia súc. Tác động kinh tế ước tính ở một số ngành công nghiệp sữa châu Âu (Đan Mạch, Na Uy và Anh) dao động từ 10 đến 40 triệu đô la trên một triệu con bê với tỷ lệ mắc bệnh hàng năm là 20% đến 40%. Do đó, việc phát triển các phương pháp mô phỏng dịch bệnh động vật và biện pháp phòng chống BVDV hiệu quả là vô cùng cần thiết để giảm thiểu thiệt hại kinh tế và bảo vệ ngành chăn nuôi.

II. Thách Thức Trong Mô Phỏng Lan Truyền Dịch Bệnh BVDV 59 Ký Tự

Việc mô phỏng lan truyền dịch bệnh nói chung và BVDV nói riêng đối mặt với nhiều thách thức. Các mô hình cần phải đủ phức tạp để phản ánh đúng các yếu tố ảnh hưởng đến sự lây lan, như hành vi của động vật, cấu trúc đàn, điều kiện môi trường và các biện pháp can thiệp. Đồng thời, mô hình cũng cần phải hiệu quả về mặt tính toán để có thể thực hiện mô phỏng trong thời gian hợp lý. Một thách thức lớn khác là việc thu thập dữ liệu chính xác và đầy đủ để xây dựng và hiệu chỉnh mô hình. Dữ liệu dịch tễ học, thông tin về đàn gia súc và các yếu tố môi trường thường không đầy đủ hoặc không chính xác, dẫn đến sai sót trong mô phỏng. Cuối cùng, việc đánh giá tính chính xác và độ tin cậy của mô hình là một thách thức quan trọng. Các mô hình cần được kiểm chứng bằng dữ liệu thực tế và so sánh với các mô hình khác để đảm bảo rằng chúng cung cấp kết quả đáng tin cậy.

2.1. Khó Khăn Trong Thu Thập Dữ Liệu Cho Mô Hình Mô Phỏng

Một trong những thách thức lớn nhất trong mô phỏng lan truyền dịch bệnh BVDV là thu thập dữ liệu chính xác và đầy đủ. Dữ liệu dịch tễ học, thông tin về đàn gia súc và các yếu tố môi trường thường không đầy đủ, không chính xác hoặc khó tiếp cận. Ví dụ, thông tin về lịch sử tiêm phòng, các biện pháp quản lý đàn và sự di chuyển của động vật có thể không được ghi lại một cách chính xác. Việc thiếu dữ liệu này có thể dẫn đến sai sót trong mô hình và giảm tính chính xác của kết quả mô phỏng. Việc thu thập dữ liệu đầy đủ và đáng tin cậy là yếu tố then chốt để nâng cao hiệu năng mô phỏng BVDV.

2.2. Yêu Cầu Về Hiệu Năng Tính Toán Cho Mô Hình Phức Tạp

Các mô hình mô phỏng lan truyền dịch bệnh cần phải đủ phức tạp để phản ánh đúng các yếu tố ảnh hưởng đến sự lây lan, như hành vi của động vật, cấu trúc đàn, điều kiện môi trường và các biện pháp can thiệp. Tuy nhiên, độ phức tạp này có thể dẫn đến yêu cầu về hiệu năng tính toán rất lớn. Việc mô phỏng một đàn gia súc lớn trong một khoảng thời gian dài có thể mất nhiều thời gian và tài nguyên. Do đó, việc nâng cao hiệu năng mô phỏng là rất quan trọng để có thể thực hiện các mô phỏng trong thời gian hợp lý và đưa ra các quyết định kịp thời.

III. Hướng Dẫn Tối Ưu Hiệu Năng Mô Phỏng BVDV Bằng Đa Luồng 58 Ký Tự

Để giải quyết thách thức về hiệu năng tính toán, một trong những phương pháp hiệu quả là sử dụng kỹ thuật đa luồng. Đa luồng cho phép chương trình mô phỏng thực hiện nhiều tác vụ đồng thời, tận dụng tối đa sức mạnh của bộ vi xử lý đa nhân. Bằng cách chia nhỏ các tác vụ tính toán và phân phối chúng cho các luồng khác nhau, thời gian mô phỏng có thể được giảm đáng kể. Theo luận văn của Vũ Nguyên Khôi, việc áp dụng kỹ thuật đa luồng có thể cải thiện đáng kể hiệu năng của chương trình mô phỏng lan truyền dịch bệnh BVDV. Các công cụ như OpenMP và Pthreads có thể được sử dụng để triển khai đa luồng trong C++. Tuy nhiên, cần lưu ý rằng việc sử dụng đa luồng có thể làm tăng độ phức tạp của chương trình và đòi hỏi kỹ năng lập trình tốt.

3.1. Sử Dụng OpenMP Để Triển Khai Đa Luồng Trong C

OpenMP là một API (Application Programming Interface) hỗ trợ lập trình đa luồng trên C++. Nó cung cấp các chỉ thị và thư viện cho phép nhà phát triển dễ dàng chia nhỏ các đoạn mã và phân phối chúng cho các luồng khác nhau. OpenMP đơn giản hóa quá trình lập trình đa luồng và giúp nâng cao hiệu năng mô phỏng một cách hiệu quả. Ví dụ, trong chương trình mô phỏng BVDV, các vòng lặp tính toán có thể được song song hóa bằng cách sử dụng chỉ thị #pragma omp parallel for. Tham khảo ví dụ về việc sử dụng đa luồng bằng OpenMP trong mã nguồn C++ (Hình 2.3 trong tài liệu).

3.2. Lựa Chọn Thư Viện Pthreads POSIX Threads Trong C

Pthreads (POSIX Threads) là một tiêu chuẩn API cho lập trình đa luồng trên các hệ điều hành tuân thủ POSIX, bao gồm Linux và macOS. Pthreads cung cấp một bộ các hàm và kiểu dữ liệu cho phép nhà phát triển tạo, quản lý và đồng bộ hóa các luồng. Pthreads mang lại sự linh hoạt cao hơn so với OpenMP, nhưng cũng đòi hỏi kỹ năng lập trình tốt hơn. Việc lựa chọn giữa OpenMP và Pthreads phụ thuộc vào yêu cầu cụ thể của dự án và kinh nghiệm của nhà phát triển. Tuy nhiên, cả hai công cụ đều có thể giúp nâng cao hiệu năng mô phỏng một cách đáng kể.

IV. Ứng Dụng Web Mô Phỏng BVDV Tiếp Cận Cho Người Dùng 59 Ký Tự

Để làm cho chương trình mô phỏng lan truyền dịch bệnh BVDV dễ tiếp cận hơn với người dùng, việc xây dựng một ứng dụng web là một giải pháp hiệu quả. Ứng dụng web cho phép người dùng từ bất kỳ đâu có thể tải lên dữ liệu, cấu hình các tham số mô phỏng và nhận được kết quả. Điều này giúp các nhà nghiên cứu, chuyên gia và người chăn nuôi dễ dàng sử dụng công cụ mô phỏng để đưa ra các quyết định phòng chống dịch bệnh. Theo luận văn của Vũ Nguyên Khôi, một ứng dụng web mô phỏng BVDV đã được xây dựng và đánh giá, cho thấy tiềm năng lớn trong việc hỗ trợ người dùng tiếp cận và sử dụng công nghệ mô phỏng.

4.1. Kiến Trúc Web Queue Worker Cho Ứng Dụng Mô Phỏng

Kiến trúc Web - Queue - Worker là một kiến trúc phổ biến cho các ứng dụng web có yêu cầu xử lý nặng. Trong kiến trúc này, ứng dụng web nhận yêu cầu từ người dùng và đưa chúng vào một hàng đợi (queue). Các worker, là các tiến trình hoặc luồng chạy trên máy chủ, lấy các yêu cầu từ hàng đợi và thực hiện chúng. Kiến trúc này cho phép ứng dụng web xử lý đồng thời nhiều yêu cầu và đảm bảo rằng các yêu cầu không bị mất. Trong ứng dụng mô phỏng BVDV, kiến trúc Web - Queue - Worker giúp xử lý đồng thời nhiều yêu cầu mô phỏng từ người dùng và nâng cao hiệu năng tổng thể của hệ thống.

4.2. Các Chức Năng Chính Của Ứng Dụng Web Mô Phỏng BVDV

Ứng dụng web mô phỏng BVDV cần có các chức năng chính sau: (1) Chức năng tải lên dữ liệu: cho phép người dùng tải lên dữ liệu về đàn gia súc, thông tin dịch tễ học và các yếu tố môi trường. (2) Chức năng cấu hình tham số mô phỏng: cho phép người dùng cấu hình các tham số như thời gian mô phỏng, tỷ lệ lây nhiễm và các biện pháp can thiệp. (3) Chức năng xem kết quả mô phỏng: hiển thị kết quả mô phỏng dưới dạng biểu đồ, bảng và các hình ảnh trực quan. (4) Chức năng tìm kiếm kết quả mô phỏng: cho phép người dùng tìm kiếm các kết quả mô phỏng đã thực hiện trước đó. (5) Chức năng đăng nhập và đăng ký: bảo vệ dữ liệu và quyền riêng tư của người dùng.

V. Kết Quả Thực Nghiệm và Đánh Giá Hiệu Năng Mô Phỏng BVDV 59 Ký Tự

Luận văn của Vũ Nguyên Khôi đã thực hiện các thực nghiệm để đánh giá tính đúng đắn và hiệu quả của chương trình mô phỏng lan truyền dịch bệnh BVDV đã được cải tiến. Các kết quả cho thấy rằng việc áp dụng kỹ thuật đa luồng giúp giảm đáng kể thời gian mô phỏng và tiêu thụ tài nguyên. Đồng thời, ứng dụng web mô phỏng BVDV cũng cho thấy khả năng xử lý đồng thời nhiều yêu cầu và cung cấp kết quả đáng tin cậy. Các kết quả này chứng minh rằng việc nâng cao hiệu năng mô phỏng và xây dựng ứng dụng web là những hướng đi đúng đắn để hỗ trợ người dùng trong việc phòng chống dịch bệnh.

5.1. So Sánh Thời Gian Xử Lý Giữa Chương Trình Gốc và Cải Tiến

Một trong những kết quả quan trọng nhất của nghiên cứu là so sánh thời gian xử lý giữa chương trình mô phỏng lan truyền dịch bệnh BVDV gốc và chương trình đã được cải tiến bằng kỹ thuật đa luồng. Các thực nghiệm cho thấy rằng chương trình cải tiến có thời gian xử lý ngắn hơn đáng kể so với chương trình gốc, đặc biệt là khi mô phỏng các đàn gia súc lớn trong một khoảng thời gian dài. Việc giảm thời gian xử lý này cho phép người dùng thực hiện các mô phỏng nhanh chóng và đưa ra các quyết định kịp thời.

5.2. Đánh Giá Tính Đúng Đắn Của Chương Trình Mô Phỏng Sau Cải Tiến

Để đảm bảo rằng việc nâng cao hiệu năng mô phỏng không làm ảnh hưởng đến tính chính xác của kết quả, các tác giả đã thực hiện các thực nghiệm để so sánh kết quả mô phỏng giữa chương trình gốc và chương trình cải tiến. Kết quả cho thấy rằng kết quả mô phỏng giữa hai chương trình là tương đồng, cho thấy rằng việc áp dụng kỹ thuật đa luồng không làm giảm tính chính xác của mô hình. Điều này chứng minh rằng chương trình mô phỏng BVDV sau khi được cải tiến vẫn cung cấp các kết quả đáng tin cậy.

VI. Kết Luận và Hướng Nghiên Cứu Tương Lai Về Mô Phỏng BVDV 58 Ký Tự

Nghiên cứu về nâng cao hiệu năng mô phỏng lan truyền dịch bệnh BVDV trên đàn gia súc đã đạt được những kết quả đáng khích lệ. Việc áp dụng kỹ thuật đa luồng và xây dựng ứng dụng web đã giúp cải thiện đáng kể hiệu năng và khả năng tiếp cận của công cụ mô phỏng. Trong tương lai, có thể tiếp tục nghiên cứu để cải thiện độ chính xác của mô hình, tích hợp các yếu tố môi trường và xã hội, và phát triển các biện pháp can thiệp hiệu quả hơn. Các nghiên cứu này sẽ đóng góp quan trọng vào việc phòng chống dịch bệnh và bảo vệ ngành chăn nuôi.

6.1. Tích Hợp Yếu Tố Môi Trường và Xã Hội Vào Mô Hình

Trong tương lai, các nghiên cứu có thể tập trung vào việc tích hợp các yếu tố môi trường và xã hội vào mô hình mô phỏng lan truyền dịch bệnh BVDV. Các yếu tố môi trường như khí hậu, địa hình và nguồn nước có thể ảnh hưởng đến sự lây lan của dịch bệnh. Các yếu tố xã hội như hành vi của người chăn nuôi, quy định của chính phủ và sự hợp tác giữa các trang trại cũng có thể đóng vai trò quan trọng. Việc tích hợp các yếu tố này sẽ giúp mô hình hóa dịch tễ học BVDV một cách toàn diện hơn.

6.2. Phát Triển Các Biện Pháp Can Thiệp Dựa Trên Mô Phỏng

Các nghiên cứu có thể sử dụng mô hình mô phỏng lan truyền dịch bệnh BVDV để phát triển các biện pháp can thiệp hiệu quả hơn. Bằng cách mô phỏng các kịch bản khác nhau, các nhà nghiên cứu có thể đánh giá hiệu quả của các biện pháp như tiêm phòng, cách ly và kiểm soát di chuyển của động vật. Các kết quả này có thể được sử dụng để đưa ra các khuyến nghị cho người chăn nuôi và chính phủ về các biện pháp phòng chống dịch bệnh tốt nhất. Mục tiêu cuối cùng là sử dụng mô phỏng BVDV trong chăn nuôi để giảm thiểu thiệt hại kinh tế và bảo vệ sức khỏe của động vật.

Tổng quan nghiên cứu

Bovine Viral Diarrhea Virus (BVDV) là một loại virus truyền nhiễm gây bệnh viêm ruột ở bò, ảnh hưởng nghiêm trọng đến ngành chăn nuôi gia súc trên toàn cầu. Theo ước tính, tác động kinh tế của BVDV tại các ngành công nghiệp sữa châu Âu như Đan Mạch, Na Uy và Anh dao động từ 10 đến 40 triệu đô la trên một triệu con bê với tỷ lệ mắc bệnh hàng năm từ 20% đến 40%. Việc kiểm soát và dự đoán sự lan truyền của dịch bệnh này là một thách thức lớn, đòi hỏi các công cụ mô phỏng chính xác và hiệu quả. Nghiên cứu này tập trung vào việc nâng cao hiệu năng mô phỏng lan truyền dịch bệnh BVDV trên đàn gia súc bằng các kỹ thuật tính toán song song, đồng thời phát triển một ứng dụng Web giúp người dùng dễ dàng tiếp cận và sử dụng chương trình mô phỏng từ bất kỳ đâu.

Phạm vi nghiên cứu bao gồm dữ liệu di chuyển và dịch tễ học của 12.750 đàn bò tại khu vực Brittany, Pháp, trong giai đoạn từ năm 2005 đến 2013. Mục tiêu cụ thể là cải tiến chương trình mô phỏng dựa trên mô hình tác tử (Agent-Based Model - ABM) của Luyuan Qi (2019) bằng kỹ thuật đa luồng để giảm thời gian xử lý, đồng thời xây dựng nền tảng Web cho phép người dùng tải lên dữ liệu và nhận kết quả mô phỏng trực quan. Nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ các nhà quản lý và chuyên gia nông nghiệp trong việc dự báo và kiểm soát dịch bệnh, góp phần giảm thiểu thiệt hại kinh tế và nâng cao hiệu quả chăn nuôi.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết và mô hình chính:

1. Mô hình dựa trên tác tử (Agent-Based Modeling - ABM): ABM mô phỏng sự tương tác của các cá thể (tác tử) trong quần thể, mỗi tác tử có đặc điểm và hành vi riêng biệt. Mô hình này cho phép mô phỏng sự lây lan dịch bệnh trong đàn bò với các trạng thái sức khỏe khác nhau (M: được bảo vệ bởi kháng thể mẹ, S: nhạy cảm, P: nhiễm mãn tính, T: nhiễm tạm thời, R: hồi phục). ABM giúp phản ánh chính xác các yếu tố cá nhân và xã hội ảnh hưởng đến sự lan truyền dịch bệnh.

2. Kỹ thuật tính toán đa luồng (Multithreading) trong C++: Sử dụng thư viện OpenMP để thực hiện tính toán song song, tăng hiệu suất xử lý chương trình mô phỏng. OpenMP cho phép phân chia các vòng lặp tính toán độc lập thành nhiều luồng chạy đồng thời trên các nhân CPU, giảm đáng kể thời gian xử lý mà vẫn đảm bảo tính đúng đắn của kết quả.

Các khái niệm chuyên ngành quan trọng bao gồm: BVDV, ABM, đa luồng, OpenMP, hệ thống đa tác tử (Multi-Agent System - MAS), và kiến trúc Web Queue-Worker.

Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu thực tế từ Cơ sở dữ liệu gia súc quốc gia Pháp (FNCD) tại Brittany, bao gồm thông tin về 12.750 đàn bò, với 2.652 đàn có dữ liệu vị trí địa lý và dịch tễ học chi tiết. Dữ liệu đầu vào gồm mã định danh bò, ngày nhập/xuất đàn, giới tính, giống bò, và các hoạt động di chuyển giữa các trang trại.

Phương pháp phân tích bao gồm:

• Phân tích và lựa chọn vòng lặp có thể áp dụng đa luồng: Trong tổng số 205 vòng lặp của chương trình mô phỏng gốc, 13 vòng lặp được xác định phù hợp để áp dụng đa luồng mà không ảnh hưởng đến logic tính toán.

• Cải tiến chương trình mô phỏng: Thêm chỉ thị OpenMP (#pragma omp parallel) vào các vòng lặp được chọn để thực hiện tính toán song song.

• Thử nghiệm và đánh giá: Thực hiện các thử nghiệm trên máy ảo Microsoft Azure với cấu hình CPU 2 core Intel Xeon và RAM 10 GB, so sánh thời gian xử lý, tài nguyên CPU và RAM tiêu thụ giữa chương trình gốc và chương trình cải tiến.

• Phát triển ứng dụng Web: Xây dựng nền tảng Web “BVDV Online Simulation” (BOS) cho phép người dùng tải lên dữ liệu qua Google Drive, thực hiện mô phỏng và xem kết quả dưới dạng biểu đồ trực quan. Kiến trúc hệ thống sử dụng mô hình Queue-Worker với RabbitMQ làm message broker để xử lý các tác vụ mô phỏng bất đồng bộ.

Timeline nghiên cứu kéo dài từ năm 2022 đến cuối năm 2023, bao gồm giai đoạn thu thập dữ liệu, phát triển và tối ưu chương trình mô phỏng, xây dựng ứng dụng Web, và thử nghiệm đánh giá.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Tính đúng đắn của chương trình cải tiến: So sánh kết quả đầu ra của 13 hàm được áp dụng đa luồng với phiên bản gốc cho 3 bộ dữ liệu đầu vào khác nhau cho thấy kết quả hoàn toàn khớp nhau, đảm bảo tính chính xác của chương trình sau cải tiến.

2. Giảm thời gian xử lý: Thời gian trung bình thực thi mô phỏng giảm từ khoảng 230 giây xuống còn 163,2 giây, tương đương giảm 29,04%. Điều này giúp tăng khả năng xử lý mô phỏng lên khoảng 375 lượt/ngày trên một máy chủ, đáp ứng tốt hơn nhu cầu người dùng.

3. Tăng tiêu thụ CPU: Chương trình cải tiến sử dụng CPU cao hơn 1,81 lần so với chương trình gốc, với mức sử dụng CPU trung bình đạt 181,10% so với 99,74% của phiên bản gốc. Đây là hệ quả tất yếu của việc chạy đa luồng song song.

4. Ổn định tiêu thụ RAM: Lượng RAM tiêu thụ không thay đổi đáng kể, trung bình khoảng 4.245 MB cho cả hai phiên bản, cho thấy cải tiến không làm tăng đáng kể bộ nhớ sử dụng.

Thảo luận kết quả

Việc áp dụng đa luồng bằng OpenMP đã chứng minh hiệu quả rõ rệt trong việc giảm thời gian xử lý mô phỏng BVDV mà vẫn giữ nguyên tính đúng đắn của kết quả. Sự gia tăng sử dụng CPU là điều dễ hiểu do nhiều luồng chạy đồng thời, tuy nhiên điều này được bù đắp bằng khả năng xử lý nhanh hơn và tăng số lượng mô phỏng có thể thực hiện trong cùng khoảng thời gian.

So với các nghiên cứu trước đây về mô phỏng dịch bệnh sử dụng ABM, nghiên cứu này đã nâng cao hiệu năng tính toán, mở rộng khả năng ứng dụng trong thực tế. Việc xây dựng ứng dụng Web BOS giúp mở rộng phạm vi tiếp cận, cho phép người dùng từ nhiều địa điểm khác nhau có thể dễ dàng thực hiện mô phỏng và phân tích kết quả, góp phần nâng cao hiệu quả quản lý dịch bệnh.

Dữ liệu kết quả mô phỏng được trình bày trực quan qua các biểu đồ số lượng bò nhiễm bệnh, số đàn bị ảnh hưởng và tỷ lệ bò có kháng thể theo thời gian, giúp người dùng dễ dàng theo dõi và đánh giá diễn biến dịch bệnh.

Đề xuất và khuyến nghị

1. Mở rộng áp dụng đa luồng trên toàn bộ chương trình: Tiếp tục phân tích và áp dụng đa luồng cho các vòng lặp còn lại trong chương trình mô phỏng để tối ưu hơn nữa thời gian xử lý, hướng tới giảm thời gian mô phỏng dưới 100 giây.

2. Triển khai hệ thống đa worker phân tán: Sử dụng kiến trúc Queue-Worker với nhiều worker chạy trên các máy chủ khác nhau để tăng khả năng xử lý song song, giảm tải cho từng máy chủ và nâng cao khả năng mở rộng hệ thống.

3. Phát triển thêm các tính năng phân tích dữ liệu: Tích hợp các công cụ phân tích nâng cao và báo cáo tự động trên ứng dụng Web để hỗ trợ người dùng trong việc ra quyết định kiểm soát dịch bệnh.

4. Cập nhật và mở rộng dữ liệu đầu vào: Thu thập thêm dữ liệu từ các khu vực khác ngoài Brittany và mở rộng phạm vi thời gian để mô phỏng chính xác hơn, đồng thời cải tiến mô hình dựa trên dữ liệu thực tế mới.

5. Tăng cường bảo mật và quản lý người dùng: Nâng cao các biện pháp bảo mật cho ứng dụng Web, đồng thời phát triển hệ thống quản lý người dùng và phân quyền để đảm bảo an toàn dữ liệu và quyền truy cập hợp lý.

Các giải pháp trên nên được thực hiện trong vòng 12-18 tháng tới, với sự phối hợp giữa các nhà phát triển phần mềm, chuyên gia dịch tễ học và các cơ quan quản lý nông nghiệp.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu dịch tễ học và mô hình hóa dịch bệnh: Luận văn cung cấp phương pháp và kết quả mô phỏng chi tiết, giúp các nhà nghiên cứu hiểu rõ hơn về ứng dụng ABM và kỹ thuật đa luồng trong mô phỏng dịch bệnh gia súc.

2. Chuyên gia công nghệ phần mềm và phát triển ứng dụng Web: Nội dung về tối ưu hiệu năng bằng đa luồng và kiến trúc Web Queue-Worker là tài liệu tham khảo quý giá cho việc phát triển các ứng dụng tính toán phức tạp và xử lý dữ liệu lớn.

3. Quản lý và nhà hoạch định chính sách nông nghiệp: Kết quả mô phỏng và ứng dụng Web giúp họ có công cụ dự báo và kiểm soát dịch bệnh hiệu quả, từ đó xây dựng các chính sách phù hợp nhằm giảm thiểu thiệt hại kinh tế.

4. Người chăn nuôi và các tổ chức nông dân: Ứng dụng Web mô phỏng cung cấp thông tin trực quan về diễn biến dịch bệnh, hỗ trợ họ trong việc ra quyết định về quản lý đàn và phòng chống dịch.

Câu hỏi thường gặp

1. Mô hình ABM có ưu điểm gì so với các mô hình dịch bệnh khác?
   ABM mô phỏng chi tiết hành vi và tương tác của từng cá thể trong quần thể, cho phép phản ánh chính xác sự đa dạng và phức tạp trong lây lan dịch bệnh, vượt trội hơn các mô hình tổng quát như SIR hay SEIR.

2. Tại sao cần áp dụng đa luồng cho chương trình mô phỏng?
   Đa luồng giúp tận dụng tối đa tài nguyên CPU đa nhân, giảm thời gian xử lý mô phỏng từ khoảng 230 giây xuống còn 163 giây, nâng cao hiệu suất và khả năng phục vụ nhiều người dùng hơn.

3. Việc tăng sử dụng CPU có ảnh hưởng gì đến hệ thống không?
   Mặc dù tiêu thụ CPU tăng gần gấp đôi, nhưng điều này được bù đắp bằng thời gian xử lý nhanh hơn. Hệ thống cần được thiết kế để quản lý tải CPU hiệu quả, tránh quá tải.

4. Ứng dụng Web mô phỏng có thể sử dụng trên thiết bị nào?
   Ứng dụng Web được thiết kế mở, có thể truy cập từ mọi thiết bị có trình duyệt Web và kết nối Internet, giúp người dùng dễ dàng thực hiện mô phỏng và xem kết quả mọi lúc mọi nơi.

5. Làm thế nào để người dùng tải dữ liệu lên ứng dụng Web?
   Người dùng tải dữ liệu lên Google Drive ở chế độ public và cung cấp đường dẫn URL cho ứng dụng Web. Hệ thống sẽ tự động lấy dữ liệu từ Google Drive để thực hiện mô phỏng.

Kết luận

• Nghiên cứu đã thành công cải tiến chương trình mô phỏng lan truyền BVDV bằng kỹ thuật đa luồng, giảm thời gian xử lý trung bình 29,04% so với phiên bản gốc.
• Chương trình cải tiến giữ nguyên tính đúng đắn của kết quả mô phỏng, đảm bảo độ chính xác và tin cậy.
• Ứng dụng Web “BVDV Online Simulation” được xây dựng giúp mở rộng phạm vi tiếp cận, hỗ trợ người dùng thực hiện mô phỏng và phân tích kết quả trực quan.
• Việc tăng sử dụng CPU là hệ quả tất yếu của đa luồng, cần được quản lý hợp lý trong triển khai thực tế.
• Hướng nghiên cứu tiếp theo tập trung vào mở rộng đa luồng toàn diện, phát triển hệ thống đa worker phân tán và nâng cao tính năng ứng dụng Web.

Để tiếp tục phát triển và ứng dụng rộng rãi, các nhà nghiên cứu và chuyên gia được khuyến khích truy cập và sử dụng nền tảng mô phỏng trực tuyến, đồng thời đóng góp dữ liệu và phản hồi để cải tiến mô hình.