Un desafío clave para los horarios de dosificación de medicamentos es la capacidad de aprender una política de control óptima incluso cuando hay escasa información precisa sobre los sistemas. La inteligencia artificial tiene un gran potencial para dar forma a una política de control inteligente para la dosificación de medicamentos para cualquier tratamiento. Motivado por este problema, en el presente artículo de investigación se elaboró y analizó un modelo de orden fraccional de Caputo-Fabrizio del tratamiento de quimioterapia del cáncer. Se implementó un teorema de punto fijo y un método iterativo para demostrar la existencia y unicidad de las soluciones del modelo propuesto. Posteriormente, con el fin de controlar el cáncer a través del tratamiento de quimioterapia, se propuso un método de control basado en aprendizaje difuso-reforzado que utiliza el algoritmo Estado-Acción-Recompensa-Estado-Acción (SARSA). Finalmente, para evaluar el rendimiento del método de control propuesto, se realizaron simulaciones para pacientes jóvenes y ancianos y para diez pacientes simulados con diferentes parámetros. Luego, los resultados del método de control propuesto se compararon con el método de control de aprendizaje Q de Watkins para la dosificación de medicamentos de quimioterapia contra el cáncer. Los resultados de las simulaciones demuestran la superioridad del método de control propuesto en términos de error cuadrático medio, varianza media del error y cuadrado medio de la acción de control, en otras palabras, en términos de la erradicación de células tumorales, la preservación de células normales y la cantidad de uso del medicamento durante el tratamiento de quimioterapia.