Este documento considera la asignación de recursos entre productores (agentes) en el caso en que el Principal no conoce nada sobre sus funciones de costo, mientras que los agentes tienen conciencia markoviana sobre sus estrategias. Utilizamos un escenario dinámico del juego de Stackelberg inverso estocástico como modelo. Sugerimos un algoritmo para resolver este juego basado en Q-learning. Las ecuaciones de Bellman asociadas contienen funciones de una variable para el Principal y también para los agentes. Los nuevos resultados se ilustran con ejemplos numéricos.