更正:Alharbi, S. MORL-SGF:一种具有数字孪生策略验证功能的治理感知多目标强化学习框架,用于可持续智慧城市。Systems 2026, 14, 294

《Systems》:Correction: Alharbi, S. MORL-SGF: A Governance-Aware Multi-Objective Reinforcement Learning Framework with Digital Twin Policy Validation for Sustainable Smart Cities. Systems 2026, 14, 294

【字体: 大 中 小 】 时间:2026年08月27日 来源:Systems 3.8

编辑推荐:

   参考文献原文献 [1] 中包含一条已被撤稿的参考文献(参考文献38),现需将其替换为以下内容。38. Hayes, C.F.; R?dulescu, R.; Bargiacchi, E.; K?llstr?m, J.; Macfarlane, M.; Reymond, M.;

  
参考文献
原文献 [1] 中包含一条已被撤稿的参考文献(参考文献38),现需将其替换为以下内容。
38. Hayes, C.F.; R?dulescu, R.; Bargiacchi, E.; K?llstr?m, J.; Macfarlane, M.; Reymond, M.; Verstraeten, T.; Zintgraf, L.M.; Dazeley, R.; Heintz, F.; et al. A practical guide to multi-objective reinforcement learning and planning. Auton. Agents Multi-Agent Syst. 2022, 36, 26. https://doi.org/10.1007/s10458-022-09552-y.
作者声明该更正不影响科学结论。本更正已获学术编辑批准,原文献也已同步更新。

参考文献

  1. Alharbi, S. MORL-SGF: A Governance-Aware Multi-Objective Reinforcement Learning Framework with Digital Twin Policy Validation for Sustainable Smart Cities. Systems 2026, 14, 294. [Google Scholar] [CrossRef] [Scilit]
免责声明/出版商声明:所有出版物中所述的观点、意见和数据仅代表作者和贡献者的个人立场,不代表MDPI和/或编辑的观点。MDPI和/或编辑对内容中提及的任何观点、方法、指示或产品导致的人身伤害或财产损失不承担责任。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号