Hoy en día, muchas tareas de computación se realizan utilizando servicios de computación en la nube y tecnología de virtualización. Los requisitos intensivos de recursos de las máquinas virtuales han llevado a la adopción de una solución más ligera basada en contenedores. Los contenedores aíslan las aplicaciones empaquetadas y sus dependencias, y también pueden operar como parte de aplicaciones distribuidas. Los contenedores pueden distribuirse en un clúster de computadoras con recursos disponibles, como la CPU, la memoria y el ancho de banda de comunicación. Cualquier mecanismo de distribución de contenedores debe considerar la disponibilidad de recursos y su impacto en el rendimiento general. Este trabajo sugiere un nuevo enfoque para asignar contenedores a servidores en la nube, cumpliendo con los requisitos de recursos de cómputo y comunicación y minimizando el tiempo total de finalización de tareas. Introducimos un entorno multiagente utilizando un mecanismo de toma de decisiones basado en aprendizaje profundo por refuerzo. La complejidad del espacio de acción alta se aborda descentralizando las decisiones de asignación entre múltiples agentes. Considerando las interacciones entre los agentes, introducimos un nuevo mecanismo cooperativo para el diseño de estado y recompensa, lo que resulta en asignaciones eficientes de contenedores. Se examinan las actuaciones de los agentes basados en memoria a corto y largo plazo (LSTM) y con memoria aumentada, para resolver el desafiante problema de asignación de contenedores. Los resultados experimentales demostraron una mejora de hasta un 28% en el tiempo de ejecución en comparación con las heurísticas de empaquetado de contenedores existentes y la herramienta industrial común Kubernetes.