Dans cet article, nous proposons des politiques de transmission de l'information tenant compte de l'état du canal, de la file d'attente des émetteurs et des interférences entre les signaux, pour la liaison descendante des réseaux cellulaires dynamiques. Les réseaux cellulaires à grande échelle avec des distances de transmission aléatoires sont considérés. Le problème est formulé selon un processus de décision de Markov à horizon infini et il est résolu en ligne en utilisant l'apprentissage par renforcement (AR). Le but est de minimiser les coûts de transmission tout en limitant le coût d'attente dans les buffers. Nous montrons qu'il existe un compromis, qui dépend de l'intensité du trafic, entre la probabilité de stabilité et les coûts de transmission. Les résultats de simulation montrent que les politiques basées sur l'AR conservent la même probabilité de stabilité que celle de l'algorithme glouton, mais avec un coût de transmission inférieur.