Este artículo propone una asignación de energía basada en aprendizaje por refuerzo para redes de comunicación acústica submarina (UACNs). La función objetivo se formula como la maximización de la capacidad del canal bajo restricciones de potencia máxima y capacidad mínima del canal. Para resolver este problema, se introduce un enfoque de gradiente de política determinista profunda multiagente (MADDPG), donde cada nodo transmisor se considera un agente. Dada la definición de un modelo de proceso de decisión de Markov (MDP) para este problema, los agentes aprenden a maximizar colaborativamente la capacidad del canal mediante aprendizaje de gradiente de política determinista profunda (DDPG). Específicamente, la asignación de energía de cada agente se obtiene mediante un método de entrenamiento centralizado y ejecución distribuida (CTDE). Los resultados de la simulación muestran que la tasa de suma lograda por el algoritmo propuesto se aproxima a la del algoritmo de programación fraccional (FP) y mejora en al menos un 5% en comparación con el algoritmo de asignación de energía basado en DQN (red de aprendizaje profundo Q).