El uso de vehículos aéreos no tripulados (VANT) se ha sugerido como una alternativa potencial de comunicación debido a su rápida implantación, lo que convierte este recurso en una solución ideal para brindar apoyo en escenarios como desastres naturales o ataques intencionados que pueden causar interrupciones parciales o completas de los servicios de telecomunicaciones. Sin embargo, una limitación de esta solución es la autonomía energética, que afecta la duración de la misión. Con esto en mente, nuestro grupo ha desarrollado un nuevo método basado en el aprendizaje por refuerzo que tiene como objetivo reducir el consumo de energía de las misiones de VANT en escenarios de desastre para eludir los efectos negativos de las variaciones del viento, optimizando así el tiempo de la malla aérea en ubicaciones afectadas por la interrupción de las telecomunicaciones basadas en fibra óptica. El método considera el K-means para escalonar la posición de las estaciones de recursos, desde las cuales se lanzaron los VANT, dentro de la topología de Estocolmo, Suecia. Para la locomoción de los VANT, se utilizó el enfoque de Q-learning para investigar las posibles acciones que los VANT podrían tomar debido a obstáculos urbanos distribuidos aleatoriamente en el escenario y a la velocidad del viento. Este último está relacionado con la forma en que los VANT están dispuestos durante la misión. Los resultados numéricos de las simulaciones han mostrado que la solución basada en el aprendizaje por refuerzo fue capaz de reducir el consumo de energía en un 15.93% en comparación con la solución ingenua, lo que puede llevar a un aumento en la duración de las misiones de VANT.