RT info:eu-repo/semantics/bachelorThesis
T1 Optimización de IRS mediante Aprendizaje por Refuerzo para Redes 6G
A1 Cidoncha Molina, Pedro
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Segovia
K1 DDPG (Deep Deterministic Policy Gradient)
K1 IRS (Intelligent Reflecting Surfaces)
K1 Redes 6G
K1 1203.17 Informática
K1 5801 Teoría y Métodos Educativos
AB Este proyecto presenta el diseño y desarrollo de un sistema de optimización inteligente pararedes 6G mediante técnicas de aprendizaje por refuerzo profundo, concretamente utilizando el algoritmo Deep Deterministic Policy Gradient (DDPG). El objetivo es maximizar la tasa de secretoen un sistema de comunicación asistido por una superficie reflectante inteligente (IRS), en unentorno donde el canal de transmisión no es completamente conocido, reflejando así condicionesmás realistas.A lo largo del trabajo se ha desarrollado un entorno de simulación, una arquitectura modulardel agente, diversas funciones de recompensa adaptadas a la seguridad física, y una interfazpor consola que permite entrenar, evaluar y comparar modelos de manera interactiva. Además,se han propuesto criterios claros de evaluación y se ha demostrado la estabilidad y eficacia delmodelo frente a métodos tradicionales como AO (Alternating Optimization) y SDR (SemidefiniteRelaxation), los cuales requieren conocimiento total del canal.Los resultados muestran que el enfoque basado en DDPG permite una mejora sustancial de latasa de secreto, adaptándose dinámicamente a distintos escenarios sin necesidad de informacióncompleta del canal, lo que lo convierte en una solución prometedora para redes de próximageneración.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/78565
UL https://uvadoc.uva.es/handle/10324/78565
LA spa
DS UVaDOC
RD 10-oct-2025