Cuando nos enfrentamos a problemas reales utilizando recursos computacionales, entendemos que es común encontrar problemas combinatorios en dominios binarios. Además, debemos tener en cuenta un gran número de posibles soluciones candidatas, ya que estas pueden ser numerosas y complicar que las técnicas algorítmicas clásicas las aborden. Cuando esto sucede, en la mayoría de los casos, se convierte en un problema debido al alto costo de recursos que generan, por lo que es de suma importancia resolver estos problemas de manera eficiente. Para hacer frente a este problema, podemos aplicar otros métodos, como las metaheurísticas. Hay algunas metaheurísticas que permiten operar en espacios de búsqueda discretos; sin embargo, en el caso de las metaheurísticas de inteligencia de enjambre continuo, es necesario adaptarlas para operar en dominios discretos. Para realizar esta adaptación, es necesario utilizar un esquema binario para aprovechar los movimientos originales de las metaheurísticas diseñadas para problemas continuos. En este trabajo, proponemos hibridar la metaheurística del algoritmo de optimización de ballenas con la técnica de aprendizaje por refuerzo Q-learning, a la que llamamos QBWOA. Al utilizar esta técnica, somos capaces de realizar un selector de esquema de binarización inteligente y completamente en línea, los resultados han sido estadísticamente prometedores gracias a las tablas y gráficos respectivos.