Este documento presenta métodos innovadores de aprendizaje por refuerzo para ajustar automáticamente los parámetros de un controlador proporcional-integral-derivativo. Convencionalmente, la alta dimensión de la tabla Q es una desventaja principal al implementar un algoritmo de aprendizaje por refuerzo. Para superar este obstáculo, se utiliza en este documento la idea subyacente al problema del bandido multi-brazo. Además, se presentan acciones programadas por ganancia para ajustar los algoritmos y mejorar el comportamiento general del sistema; por lo tanto, los controladores propuestos cumplen con los múltiples requisitos de rendimiento. Se realizó un experimento para el escenario actuado por piezoeléctrico para ilustrar la efectividad de los diseños de control propuestos en relación con los algoritmos competidores.