La asignación de tareas es un problema general en el que se busca una relación entre un conjunto de elementos, llamados recursos, para poder realizar un conjunto de objetivos llamados tareas. Los enfoques de las técnicas de asignación de tareas se clasifican, a grandes rasgos, en centralizados y distribuidos. Los enfoques centralizados tratan de resolver el problema desde un sólo nodo de procesamiento (virtual o real), es decir, nodos capaces de tener el acceso y control total a la información global del ambiente. En contraste, los enfoques distribuidos modelan al problema general en sub-problemas y se resuelven por su propio nodo de procesamiento de forma local, es decir, sólo con la información relativa al sub-problema. Los agentes inteligentes son entidades (sistemas computacionales o robots) capaces de tomar decisiones basándose en estímulos provenientes del ambiente y son usados típicamente para resolver problemas de manera distribuida. Esta tesis presenta una jerarquía de agentes inteligentes que combina una adaptaci ón de subastas, una técnica distribuida escalable muy común en la literatura, y una técnica de aprendizaje por refuerzo para aprender la dinámica de un ambiente desconocido en donde cada decisión puede tener consecuencias importantes a corto, mediano o largo plazo, debido a la llegada de nuevos recursos y tareas a lo largo del tiempo. Las subastas propuestas poseen un esquema de organización diferente a las subastas usadas en la literatura y han sido adaptadas a ambientes dinámicos. La técnica fue aplicada para su experimentación en un juego de estrategia en tiempo real, que es un ambiente dinámico complejo.