El crecimiento explosivo de usuarios y aplicaciones en entornos de IoT ha promovido el desarrollo de la computación en la nube. En el entorno de la computación en la nube, la programación de tareas juega un papel crucial en la optimización de la utilización de recursos y la mejora del rendimiento general. Sin embargo, la programación efectiva de tareas sigue siendo un desafío clave. Los algoritmos de programación de tareas tradicionales a menudo dependen de heurísticas estáticas o configuración manual, lo que limita su adaptabilidad y eficiencia. Para superar estas limitaciones, hay un interés creciente en aplicar técnicas de aprendizaje por refuerzo para la programación dinámica e inteligente de tareas en la computación en la nube. ¿Cómo se puede aplicar el aprendizaje por refuerzo a la programación de tareas en la computación en la nube? ¿Cuáles son los beneficios de usar métodos basados en aprendizaje por refuerzo en comparación con los mecanismos de programación tradicionales? ¿Cómo optimiza el aprendizaje por refuerzo la asignación de recursos y mejora la eficiencia general? Abordando estas preguntas, en este documento, proponemos un Marco de Programación de Tareas Múltiples basado en Q-learning (QMTSF). Este marco consta de dos etapas: Primero, las tareas se asignan dinámicamente a servidores adecuados en el entorno de la nube según el tipo de servidores. En segundo lugar, se utiliza un algoritmo de Q-learning mejorado llamado Aprendizaje por Refuerzo basado en UCB (UQRL) en cada servidor para asignar tareas a una Máquina Virtual (VM). El agente toma decisiones inteligentes basadas en experiencias pasadas e interacciones con el entorno. Además, el agente aprende de recompensas y castigos para formular la estrategia óptima de asignación de tareas y programar tareas en diferentes VM. El objetivo es minimizar la duración total y el tiempo de procesamiento promedio de las tareas, asegurando al mismo tiempo los plazos de las tareas. Realizamos experimentos de simulación para evaluar el rendimiento del mecanismo propuesto en comparación con métodos de programación tradicionales como la Optimización por Enjambre de Partículas (PSO), aleatorio y Round-Robin (RR). Los resultados experimentales demuestran que el marco de programación QMTSF propuesto supera a otros mecanismos de programación en términos de duración total y tiempo de procesamiento promedio de tareas.