bài tập và lý thuyết kinh tế vi mô hậu Walras, nghiên cứu về lý thuyết trò chơi, hợp đồng không hoàn hảo, tương tác chiến lược, bất bình đẳng và chính sách phân phối tài nguyên.

Tổng hợp các nghiên cứu về ứng dụng Trí tuệ nhân tạo (AI) trong lưu trữ năng lượng tái tạo, lưu trữ nhiệt năng, công nghệ bản sao số (Digital Twin) và tối ưu hóa hệ thống quản lý năng lượng.

Bài báo này đề xuất một phương pháp điều khiển kết hợp giữa PID và mạng nơ-ron nhằm cải thiện khả năng bám quỹ đạo của cơ cấu bốn khâu trong điều kiện có nhiễu. Trong các hệ cơ khi thực tế, các yếu tố bất định như ma sát khớp, thay đổi tại và nhiễu từ môi trường có thể làm suy giảm đáng kể độ chính xác điều khiển. Để khắc phục vấn đề này, một mạng nơ-ron được sử dụng để ước lượng nhiễu dựa trên trạng thái hệ và tín hiệu điều khiển, sau đó được dùng để bù vào tín hiệu điều khiển PID theo thời gian thực. Một mô hình động lực học rút gọn của cơ cấu bốn khâu được sử dụng để đánh giá phương pháp đề xuất. Nhiễu được mô hình hóa bao gồm cả thành phần biến thiên theo thời gian và thành phần ma sát phụ thuộc vận tốc, giúp phản ảnh tốt hơn các đặc tính của hệ cơ khi. Kết quả mô phỏng trong nhiều trường hợp nhiều cho thấy phương pháp PID kết hợp mạng nơ-ron giúp giảm đáng kể sai số bảm quỹ đạo so với PID truyền thống. Điều này khẳng định hiệu quả của phương pháp bù nhiễu bằng mạng nơ-ron trong việc nâng cao độ bền vững và hiệu năng điều khiển.

Bài báo nghiên cứu mô hình đạn súng nhiều đầu (nhiều phần tử sát thương) cỡ 7,62 mm nhằm nâng cao hiệu quả tác chiến đối với các mục tiêu bay thấp, cỡ nhỏ và cơ động như phương tiện bay không người lái (UAV). Cấu hình đề xuất bao gồm ba đầu đạn con có khả năng phân tách khi động học sau khi rời miệng nòng, tạo ra vùng bao phủ điểm chạm diện rộng thay vì một điểm đơn lẻ như đạn truyền thống. Nghiên cứu sử dụng phương pháp mô phỏng số động lực học chất lưu (CFD) để xác định các đặc trưng khi động và hệ số lực cản chính diện (C ) của từng thành phần. Trên cơ sở đó, tính toán và kiểm chứng thông qua thực nghiệm bắn thử để đánh giá phân bố vùng điểm chạm. Kết quả cho thấy, với sơ tốc đầu nòng 550 m/s, thiết kế đạn nhiều đầu cho phép tạo ra số lượng điểm chạm cao gấp 3 lần so với đạn đơn truyền thống. Vùng phân bố điểm chạm tại cự ly 75 m và 100 m lần lượt đạt bán kính 37 cm và 75 cm, khẳng định khả năng tối ưu hóa trong việc tiêu diệt mục tiêu UAV cỡ nhỏ và sinh lực địch ở tầm gần.

Điều khiển chính xác cánh tay robot trong môi trường động, bất định là thách thức lớn đối với các bộ điều khiển kinh điển và các phương pháp hiện đại như điều khiển thích nghi hay điều khiển tối ưu. Mặc dù học tăng cường sâu (DRL) đã mở ra hướng đi mới, nhưng vẫn bộc lộ hạn chế về tính hội tụ cục bộ và thiếu sự cân bằng trong chiến lược khám phá không gian. Để giải quyết triệt để vấn đề này, bài báo đề xuất một bộ điều khiển tiên tiến cho cánh tay robot 6 bậc tự do (6- DOF) dựa trên phương pháp học tăng cường mềm Actor-Critic (Soft Actor-Critic - SAC). Trong nghiên cứu này, hệ thống trạng thái trước tiên được thiết lập các phương trình động học, động lực học và mô hình hóa dưới dạng quá trình quyết định Markov (MDP). Không gian trạng thái, hàm phần thưởng đa mục tiêu và cấu trúc mạng nơ-ron Actor-Critic được thiết kế nhằm tối đa hóa phần thưởng tích lũy kết hợp với cực đại hóa entropy. Cơ chế này giúp robot khám phá môi trường hiệu quả, tránh rơi vào các điểm tối ưu cục bộ và bám quỹ đạo trơn tru. Để kiểm chứng, bộ điều khiển được áp dụng vào bài toán thực nghiệm động lực học phức tạp: điều khiển robot dự đoán và đánh trúng quả bóng bàn với các quỹ đạo rơi ngẫu nhiên. Kết quả kỳ vọng cho thấy thuật toán SAC vượt trội về tốc độ hội tụ, độ ổn định và khả năng phản xạ theo thời gian thực, khẳng định tiềm năng to lớn trong việc giải quyết các tác vụ đa nhiệm phức tạp.