En este documento, presentamos nuestro trabajo sobre el desarrollo de un módulo de Políticas de Precios Inteligentes diseñado específicamente para usuarios individuales y Operadores de Red Móvil (MNOs). Nuestro marco de trabajo operará en una red de acceso por radio blockchain de múltiples MNOs (B-RAN) y tiene la tarea de determinar precios para el intercambio de recursos entre usuarios y MNOs. Nuestro sofisticado sistema de precios adaptativos puede ajustarse a situaciones en las que el Equipo de Usuario (UE) se desplaza fuera del área de cobertura de su MNO sellando inmediatamente un contrato con un MNO diferente para cubrir las necesidades de los usuarios. De esta manera, nuestro objetivo es proporcionar incentivos financieros a los MNOs garantizando al mismo tiempo una optimización continua de la red para todas las partes involucradas. Nuestro sistema logra esto mediante el uso de aprendizaje profundo por refuerzo (DRL) para implementar un modelo de subasta inversa. En nuestro escenario de aprendizaje por refuerzo, los MNOs, actuando como agentes, entran en competencia e intentan ofertar el precio más atractivo basado en la solicitud del usuario, y según el sistema de recompensas, los agentes que no ganan en la ronda actual ajustarán sus estrategias en un intento por asegurar una victoria en rondas posteriores. Los hallazgos indicaron que combinar DRL con la teoría de subasta inversa ofrece un método más apropiado para abordar los desafíos de precios y ofertas, y además, los administradores pueden utilizar esta estrategia para obtener una ventaja notable seleccionando y ajustando dinámicamente sus métodos de acuerdo con las condiciones y requisitos individuales de la red.