Reinforcement learning-based energy efficient network orchestration, slicing, and resource management for 6G intelligent networks
Year: 2026
Type: dissertation
Abstract: (English) This dissertation responds to the emerging challenges of AI-driven 6G network management, aiming to devise smart, adaptive strategies that optimize network performance while reducing complexity and energy consumption. Through the lens of Reinforcement Learning, the study lays the foundation for self-organizing, cost-efficient, and scalable wireless communication systems that can meet the diverse demands of next-generation applications. (Català) Aquesta tesi doctoral dona resposta als reptes emergents de la gestió de xarxes 6G basada en IA, amb l’objectiu de dissenyar estratègies intel·ligents i adaptatives que optimitzin el rendiment de la xarxa mentre redueixen la complexitat i el consum energètic. Des de la perspectiva del Aprenentatge per Reforç, l’estudi estableix les bases per a sistemes de comunicació sense fils autoorganitzats, rendibles i escalables, capaços de satisfer les diverses demandes de les aplicacions de nova generació. (Español) Esta tesis doctoral responde a los desafíos emergentes de la gestión de redes 6G impulsada por IA, con el objetivo de diseñar estrategias inteligentes y adaptativas que optimicen el rendimiento de la red mientras reducen la complejidad y el consumo energético. Desde la perspectiva del Aprendizaje por Refuerzo, el estudio sienta las bases para sistemas de comunicación inalámbrica auto-organizados, rentables y escalables, capaces de satisfacer las diversas demandas de las aplicaciones de próxima generación.
Author: Navideh Ghafouri Jeshvaghani
Language: Catalan
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7141995103