镜像IRS辅助混合RF/VLC网络：双智能体DRL联合优化选择、功率与镜面朝向，公平性指数保持0.93以上

提出将RF/VLC技术选择、两子网功率分配与IRS镜面滚转/偏航角朝向统一在一个比例公平最大化问题中联合优化，并证明该问题为非凸混合整数非线性规划。 既有混合RF/VLC工作多把VLC信道视为固定不可控，或仅用正弦余弦算法等模型化方法配置IRS，未同时处理IRS重构、技术选择与功率分配。 以式(12)及其约束(12a)-(12g)完整给出问题形式，并逐项说明非凸来源：二进制选择变量、其与功率变量的双线性耦合、以及VLC速率对镜面朝向的非线性依赖。

将问题重构为MDP，并设计集中训练分散执行的双智能体DRL框架：选择与功率智能体处理调度变量，IRS朝向智能体处理镜面角度，二者按先调镜面、后做选择的双时间尺度顺序协作，共享同一合作奖励。 DQN类方法只能处理离散动作，需量化连续功率与角度导致组合爆炸；DDPG类单智能体需在同一异构动作空间内同时学习二进制选择、功率与角度，耦合不同尺度变量。 给出状态空间、两个动作空间(式13、14)、含QoS与功率预算惩罚项的合作奖励(式15)以及训练流程Algorithm 1；并分析训练复杂度与执行时仅需一次前向传播、与信道实现无关。

仿真显示所提框架在总速率与公平性上均优于基线：约2000回合收敛到350 Mbps，处于穷举上界392 Mbps的10%以内，较DDPG与DQN分别高13%与25%，且波动低于5 Mbps。 SCA达到330 Mbps但需每个调度时隙重新求解；DQN因离散动作空间在280 Mbps提前饱和；DDPG稳态速率更高但在SCA基准附近振荡约25 Mbps。 基于Python 3.12与PyTorch 2.0、10000回合×100时间步的训练曲线对比，并给出各算法的收敛值与振荡幅度。

消融与公平性分析量化了IRS智能体的贡献：用户数增加时总速率先升后降并在某点达峰，所提方法峰值415 Mbps；关闭IRS智能体后峰值降至380 Mbps，公平性指数降至0.81，而完整框架在高用户密度下仍高于0.93。 单子网基线中VLC only因带宽更大优于RF only，但两者均低于混合方案，说明技术分集对LoS阻塞用户不可替代。 以Jain公平性指数为指标，在不同用户数下对比所提方法、SCA、关闭IRS智能体、VLC only与RF only，并解释阻塞用户无法被单子网恢复。

该结果面向室内下行IRS辅助混合RF/VLC场景，适用于配备多分支角度分集接收机与RF天线、由中央控制器统一协调的移动用户，用户按随机路点模型移动且LoS阻塞以独立伯努利过程建模。方法的价值在于把离线训练好的策略用于在线执行：训练离线完成，每时隙执行只需各智能体一次前向传播，因而适合信道随用户移动与阻塞持续变化的实时调度。对希望复用该思路的读者，可直接借鉴的是动作空间分解方式——把调度类变量与物理朝向类变量分给不同智能体，并以共享奖励保持协作；以及把约束违反写入奖励的设计。

结果均来自仿真，未涉及硬件原型或实测信道，因此镜面朝向控制精度、MEMS转动时延与真实遮挡统计对性能的影响仍是开放问题。公平性与速率结论建立在特定室内尺寸、AP与IRS阵列配置、用户速度与阻塞概率分布之上，参数改变后的表现需要另行验证。所提方法相对穷举上界仍有约10%差距，且总速率随用户数先升后降，峰值位置与干扰、QoS约束满足难度相关，扩展到更大规模或不同QoS要求时的行为值得进一步观察。此外，集中训练需要全局信道状态信息，分散执行阶段各智能体仅依赖局部观测，观测受限条件下的协调质量仍是可继续考察的方向。