La eficiencia energética (EE) es el principal objetivo de la comunicación inalámbrica en la actualidad. En este documento, investigamos la precodificación híbrida (HP) y los sistemas masivos de entrada múltiple y salida múltiple (MIMO) para una plataforma de alta altitud (HAP). El HAP es una solución emergente que opera en la estratósfera a una amplitud de hasta 20-40 km para proporcionar instalaciones de comunicación que pueden lograr las mejores características tanto de los sistemas terrestres como de los satelitales. La solución híbrida de formación de haces existente en un HAP requiere un gran número de desplazadores de fase (PS) de alta resolución para realizar la formación de haces analógica y las cadenas de radiofrecuencia (RF) asociadas con cada antena y lograr un mejor rendimiento. Esto conlleva un enorme consumo de energía, altos costos y una alta complejidad de hardware. Para abordar tales problemas, una posible solución que debe ajustarse es minimizar el número de PS y RF o reducir su consumo de energía. Este estudio propone un HP con PS de baja resolución subconectados para abordar estos desafíos al tiempo que se reduce el consumo total de energía y se logra la EE. Para reducir significativamente la cadena de RF en un sistema MIMO masivo, HP es una solución adecuada. Este estudio examinó además la entropía cruzada adaptativa (ACE), una optimización basada en aprendizaje automático que optimiza la tasa de suma alcanzable y la eficiencia energética en el canal de desvanecimiento Riciano para sistemas MIMO masivos de HAP. ACE genera aleatoriamente varias soluciones candidatas de acuerdo con la distribución de probabilidad (PD) de los elementos en HP. Según su tasa de suma, pondera de forma adaptativa estos candidatos de HP y mejora la PD en los sistemas de HP al minimizar la entropía cruzada. Además, este trabajo sugiere un análisis de consumo de energía para evaluar el rendimiento y revelar el hecho de que la técnica propuesta basada en una arquitectura de PS de baja bits subconectados puede lograr una EE y tasas de suma cercanas a óptimas en comparación con los métodos previamente reportados.