Se ha propuesto un protocolo de enrutamiento basado en Aprendizaje por Refuerzo (RL) para establecer rutas en redes móviles ad hoc. Sin embargo, debido a la sobrecarga de actualizar los valores de recompensa de acuerdo con los frecuentes cambios de topología, los protocolos existentes basados en RL sufren problemas de escalabilidad con un gran número de espacios de estado y acción. Para vencer este problema, en este documento, proponemos un nuevo protocolo de enrutamiento resiliente aplicando Aprendizaje No Supervisado (UL) antes del Aprendizaje Profundo por Refuerzo (DRL). En el esquema anterior, cada nodo se agrupa según parámetros resilientes a la movilidad. Un camino confiable que consiste solo en nodos robustos en UL es decidido por DRL con un valor de peso razonable a través de Toma de Decisiones Multiobjetivo (MCDM). Este enfoque lleva a una reducción en el costo de actualización del valor de recompensa al excluir nodos que se consideran gravemente afectados por la movilidad. Los resultados de simulación comparativos demostraron que el esquema propuesto superó al esquema existente en los aspectos de Tasa de Entrega de Paquetes (PDR) y consumo de energía. Nuestro protocolo demuestra hasta un 35% más de PDR y reduce el uso de energía en aproximadamente un 20% en condiciones de alta movilidad en comparación con los protocolos basados en Q-Learning.