Los juegos de rompecabezas de combinación de 3 han ganado una popularidad significativa en todos los grupos de edad debido a su simplicidad, naturaleza no violenta y jugabilidad concisa. Sin embargo, el desarrollo de etapas cautivadoras y bien equilibradas en estos juegos sigue siendo una tarea desafiante para los desarrolladores de juegos. Este estudio tiene como objetivo identificar el algoritmo óptimo para el aprendizaje por refuerzo a fin de agilizar el proceso de verificación del equilibrio de niveles en juegos de combinación de 3, mediante la comparación con los algoritmos Soft Actor-Critic (SAC) y Proximal Policy Optimization (PPO). Tras entrenar al agente con estos dos algoritmos, el documento investigó qué enfoque produce resultados de prueba de equilibrio de niveles de dificultad más eficientes y efectivos. Tras el análisis comparativo de recompensas acumulativas y entropía, los hallazgos ilustran que el algoritmo SAC es la elección óptima para crear un agente eficiente capaz de manejar el equilibrio de niveles de dificultad para las etapas en un juego de rompecabezas de combinación de 3. Esto se debe a que el rendimiento de aprendizaje superior y la mayor estabilidad demostrados por el algoritmo SAC son más importantes en términos de equilibrio de dificultad de etapas en la jugabilidad de combinación de 3. Este estudio espera contribuir al desarrollo de técnicas de equilibrio de niveles mejoradas en juegos de rompecabezas de combinación de 3, además de mejorar la experiencia general de juego para los jugadores.