La computación en la nube es uno de los campos emergentes en el mundo actual. Debido al aumento en el volumen de solicitudes de trabajo, los planificadores de trabajos han recibido actualizaciones una a la vez. La evolución del aprendizaje automático en el contexto de los horarios en la nube ha tenido un impacto significativo en la reducción de costos en términos de consumo de energía y tiempo de ejecución. El artículo de investigación presenta un proceso de dos fases para la arquitectura de programación de la computación en la nube donde los PM son la unidad de trabajo principal y los usuarios se suministran a los PM basados en las capacidades de trabajo de los PM en términos de recursos. Se desea un costo mínimo en la fase preliminar de la asignación del usuario al PM. Se impuso un enfoque agrupado utilizando k-means y Q-learning para migrar a los usuarios de un PM a otro PM basado en parámetros de Calidad de Servicio (QoS). El trabajo propuesto también ha incorporado las emisiones de CO2 como un parámetro de evaluación importante además del consumo de energía. Para apoyar el intercambio de recursos, el modelo de implementación es un modelo multi-nube. El trabajo propuesto se evalúa frente a otras técnicas de vanguardia propuestas recientemente sobre la base de parámetros de QoS y el trabajo propuesto demostró ser mejor en términos de eficiencia al final del borrador.