Com o advento e implantação das redes 5G, os estudos iniciais sobre as redes 6G e o crescente número de dispositivos conectados à Internet, a demanda por tráfego de dados está crescendo exponencialmente, impactando a infraestrutura da rede de acesso e de transporte das redes móveis. Considerando a arquitetura Hybrid Cloud Radio Access Network (H-CRAN) e a Open Radio Access Network (Open-RAN), que centralizam diversas funções de rede na nuvem e introduzem infraestrutura intermediária virtualizada na borda, surgem novos desafios em relação às tradicionais Redes de Acesso Rádio Distribuído (D-RAN). Esses desafios incluem a necessidade de maior flexibilidade e escalabilidade, latência reduzida, otimização do uso de recursos de rede para suportar cargas de tráfego dinâmicas e variáveis, bem como a implementação de redes resilientes para a mitigação e recuperação de desastres, garantindo a manutenção da cobertura da rede. Neste contexto, o presente trabalho propõe soluções para o balanceamento de carga e o uso eficiente dos recursos para redes de acesso híbridas e O-RAN, com o objetivo de manter a rede operacional e corretamente dimensionada. Serão empregadas técnicas de inteligência artificial do estado da arte, incluindo aprendizado por reforço, redes neurais profundas Q-learning (DQN) e outras abordagens emergentes na literatura. Além disso, metaheurísticas e modelos matemáticos avançados serão utilizados para realizar a alocação de recursos de rede de forma adaptativa e dinâmica, visando maximizar o desempenho e a eficiência da rede, bem como garantir sua resiliência e capacidade de recuperação em situações de falhas ou desastres.