DEBIDO A LA COMPLEJIDAD DEL PROBLEMA DE LA DISTRIBUCIÓN DE LOS DATOS, LA MAYORÍA DE LAS PROPUESTAS DE SOLUCIÓN PRESENTADAS HASTA LA FECHA HAN COINCIDIDO EN DIVIDIR EL PROCESO DE DISEÑO DE LA DISTRIBUCIÓN EN DOS FASES SERIADAS: LA FRAGMENTACIÓN Y LA UBICACIÓN DE LOS FRAGMENTOS EN LOS SITIOS DE LA RED. ESTE TRABAJO ABORDA EL PROBLEMA DE UBICACIÓN DE FRAGMENTOS PARTIENDO DE UN MODELO MATEMÁTICO QUE EN SU FORMA GENERAL ES NP-COMPLETO Y PROPONE UN MÉTODO METAHEURÍSTICO BASADO EN Q-LEARNING DE APRENDIZAJE REFORZADO QUE MINIMIZA EL COSTO TOTAL EN UN TIEMPO ACEPTABLE. ESTA PROPUESTA INTEGRA LA REPLICACIÓN DE FRAGMENTOSDUE TO THE COMPLEXITY OF THE DATA DISTRIBUTION PROBLEM IN DISTRIBUTED DATABASE SYSTEMS, MOST OF THE PROPOSED SOLUTIONS DIVIDE THE DESIGN PROCESS INTO TWO PARTS: THE FRAGMENTATION AND THE ALLOCATION OF FRAGMENTS TO THE LOCATIONS IN THE NETWORK. HERE WE CONSIDER THE ALLOCATION PROBLEM WITH THE POSSIBILITY TO REPLICATE FRAGMENTS, MINIMIZING THE TOTAL COST, WHICH IS IN GENERAL NP-COMPLETE, AND PROPOSE A METHOD BASED ON Q-LEARNING TO SOLVE THE ALLOCATION OF FRAGMENTS IN THE DESIGN OF A DISTRIBUTED DATABASE. AS A RESULT WE OBTAIN FOR SEVERAL CASES, LOGICAL ALLOCATION OF FRAGMENTS IN A PRACTICAL TIME