Un sistema de comunicación basado en vehículos aéreos no tripulados (UAVs) es una alternativa viable para satisfacer las necesidades de cobertura y capacidad de las futuras redes inalámbricas. Sin embargo, debido a las limitaciones de las comunicaciones habilitadas por UAV en términos de cobertura, consumo de energía y normativas de vuelo, hasta el momento el número de estudios centrados en el elemento de sostenibilidad de las redes asistidas por UAV en la literatura ha sido limitado. Presentamos una solución a este problema en este estudio; específicamente, diseñamos una estrategia de ubicación de UAV basada en -learning para la conectividad inalámbrica a largo plazo teniendo en cuenta importantes restricciones como regulaciones de altitud, zonas de no vuelo y potencia de transmisión. El objetivo es determinar la mejor ubicación para la estación base (BS) de UAV mientras se reduce el consumo de energía y se aumenta el número de usuarios cubiertos. Además, se ha ideado un método de ponderación que permite priorizar el uso de energía y el número de usuarios atendidos en función de las circunstancias de la red/batería. La solución propuesta basada en -learning se contrasta con el método de agrupamiento -means estándar, en el cual la estación base de UAV se posiciona en la ubicación del centroide con la distancia acumulada más corta entre ésta y los usuarios. Los resultados demuestran que la solución propuesta supera al método de agrupamiento -means de referencia en términos del número de usuarios cubiertos al mismo tiempo que logra la deseada minimización del consumo de energía.