Đề tài nghiên cứu ứng dụng thuật toán học tăng cường sâu Deep Q-Learning, đặc biệt là Double Deep Q-Learning (DDQL), nhằm tối ưu tổng dung lượng và hiệu quả năng lượng của hệ thống truyền thông đa truy cập RSMA với sự hỗ trợ của bề mặt phản xạ thông minh (IRS) gắn trên UAV trong bối cảnh mạng 6G. Nghiên cứu xây dựng mô hình hệ thống, thiết lập bài toán tối ưu đồng thời công suất phát, ma trận dịch pha IRS và vị trí UAV, sau đó triển khai mô phỏng để đánh giá khả năng hội tụ và hiệu năng của thuật toán. Kết quả cho thấy mô hình DDQL giúp cải thiện đáng kể tổng dung lượng, tăng hiệu quả năng lượng, hội tụ nhanh và ổn định hơn so với DQL truyền thống, đồng thời khẳng định vai trò của IRS trong tối ưu tài nguyên vô tuyến. Nghiên cứu cũng đề xuất hướng phát triển mở rộng sang mô hình đa UAV và học tăng cường đa tác tử nhằm nâng cao hiệu quả trong các mạng viễn thông mật độ cao.

Ngôn ngữ:	vie
Tác giả:	Trần Quang Hiếu
Người đóng góp:	GVHD: Lê Thị Anh#GVHD: Phạm Văn Hiệp
Thông tin nhan đề:	Nghiên cứu ứng dụng Deep Q-Learning cải thiện tổng dung lượng hệ thống truyền thông đa truy cập với trợ giúp của bề mặt phản xạ thông minh IRS
Nhà xuất bản:	Đại học Công nghiệp Hà Nội
Loại hình:	Luận văn Thạc sĩ / Bộ sưu tập: Công nghệ thông tin
Mô tả vật lý:	70tr.
Năm xuất bản:	2026