Actualmente, con el desarrollo tecnológico que estamos viviendo, la cantidad de información con la que los sistemas informáticos trabajan es cada vez mayor, por lo que necesitamos mecanismos que sean capaces de filtrarla y ofrecérnosla. Es ahí donde entran los sistemas de recomendación, los cuales son capaces de realizar esas acciones. Hace tiempo se ha comprobado que el mejor sistema de recomendación es el que combina varios sistemas de recomendación, es decir que combinando varios algoritmos efectivos se pueden conseguir sistemas que mejoran la efectividad que los algoritmos combinados tendrían por separado. En este trabajo nos enfocamos en desarrollar combinaciones de sistemas de recomendación basados en aprendizaje por refuerzo, una rama del aprendizaje automático que se centra en utilizar algún tipo de recompensa para que el sistema sepa si está cumpliendo con el comportamiento esperado o debe modificarlo. En esta línea, nos centramos en particular en la lógica de los llamados bandidos multibrazo. En concreto, consideramos el desarrollo de ensembles como bandidos, donde cada uno de sus brazos es un recomendador distinto. Así, en cada recomendación, uno de estos brazos es seleccionado y utilizado basándose en estrategias de aprendizaje por refuerzo. Para la experimentación y prueba de los algoritmos investigados, se ha desarrollado una plataforma de recomendación y escucha de música, que permite que un recomendador interactúe con un usuario, buscando a) satisfacer sus gustos, b) aprender de ellos, y c) determinar qué algoritmo individual funciona mejor, ajustando dinámicamente la combinación de los algoritmos en el ensemble. Esta plataforma permite evaluar cualquier solución de recomendación, y se utiliza en este trabajo para probar los distintos métodos de aprendizaje investigados. En el trabajo compararemos la efectividad de los bandidos con la de los recomendadores individuales que los componen, además de alguna opción más de referencia. Las soluciones se evaluarán por una parte de manera offline, utilizando conjuntos de datos públicos, simulando interacciones con los usuarios. Tras esta evaluación preliminar, llevamos a cabo una evaluación online con usuarios reales sobre la plataforma antes mencionada.