Draadloze netwerken worden elke dag complexer, naarmate ze een integraal onderdeel worden van ons leven. Onderzoekers passen verschillende methodologieën toe om de netwerkcomplexiteit het hoofd te bieden. Aan de ene kant optimaliseren ze de systeemprestaties door verschillende configuratieparameters aan te passen. Aan de andere kant karakteriseren ze de systeemprestaties en genereren ze een voorspellend model. State-of-the-art oplossingen die worden gebruikt in de draadloze netwerken van vandaag, hebben moeite met de complexiteit van het netwerk omdat ze (i) een groot aantal configureerbare parameters gebruiken, (ii) meerdere (tegenstrijdige) doelstellingen hebben, (iii) een enorme hoeveelheid training vereisen data en (iv) cross-layer interacties negeren, wat uiteindelijk resulteert in een niet-optimale oplossing. Om deze beperkingen te overwinnen, werd een alternatieve aanpak ontwikkeld die surrogaatmodellen gebruikt om optimalisatie- en karakterisatie problemen op te lossen in complexe draadloze netwerken. Een surrogaatmodel is een efficiënte weergave van een black-boxsysteem met een goede balans tussen nauwkeurigheid en computationele complexiteit. In dit onderzoek wordt een surrogaatmodel gebruikt om meerdere doelen van een draadloos conferentiesysteem te optimaliseren, dynamische omgevingen in draadloze netwerken aan te pakken en een screeningsexperiment aan te vullen voor optimalisatie- en karakterisatie-oplossingen.