Cuando las redes de comunicación inalámbrica se enfrentan a ataques de interferencia, experimentan ocupación de recursos espectrales y fallas en la comunicación de datos. Para abordar este problema, se propone un algoritmo anti-interferencias basado en aprendizaje por refuerzo multiagente distribuido. Cada terminal observa el estado del espectro del entorno y lo toma como entrada. El algoritmo luego emplea Q-learning, junto con las reglas de asignación de canal primario y de respaldo, para finalizar la selección del canal de comunicación. El algoritmo propuesto diseña reglas de asignación de canal primario y de respaldo para las estrategias de interferencia por barrido e interferencia inteligente. Puede predecir el comportamiento de los interferentes al tiempo que reduce los conflictos de decisión entre terminales. Los resultados de la simulación demuestran que, en comparación con los métodos existentes, el algoritmo propuesto no solo mejora las tasas de éxito de transmisión de datos en múltiples escenarios, sino que también muestra una eficiencia operativa superior cuando se enfrenta a ataques de interferencia. En general, el rendimiento anti-interferencias del algoritmo propuesto supera a los métodos de comparación.