La tecnología de apilamiento de matrices está expandiendo la diversidad del espacio de comunicaciones en el chip mediante la integración de vias a través del silicio (TSV) y el enlace de obleas. La red en chip tridimensional (NoC), una combinación de tecnología de apilamiento de matrices e infraestructura sistemática de comunicación en chip, sufre de una densidad térmica aumentada y una disipación de calor desequilibrada a través de capas apiladas múltiples, afectando significativamente el rendimiento y la fiabilidad del chip. Estudios recientes se han enfocado en técnicas de gestión térmica en tiempo de ejecución (RTM) para mejorar el equilibrio de la distribución de calor, pero las degradaciones de rendimiento, debido a mecanismos RTM y distribuciones de tráfico intercapa desequilibradas, siguen sin resolverse. En este estudio, presentamos un algoritmo de enrutamiento adaptativo consciente del tráfico y térmico basado en la función Q, utilizando una técnica de aprendizaje automático de refuerzo que incorpora gradualmente información actualizada en un camino de enrutamiento 3D NoC basado en RTM. El algoritmo propuesto recopila inicialmente direcciones libres de bloqueo, basadas en la información de RTM y topología. Posteriormente, la toma de decisiones basada en Q-learning (a través del aprendizaje de información de tráfico regional) se implementa para mejorar el rendimiento con un tráfico intercapa más equilibrado. Los resultados de la simulación muestran que el algoritmo de enrutamiento propuesto puede mejorar el rendimiento en un 14,0%-28,2%, con una carga de tráfico intercapa más equilibrada en un 24,9% y una disipación térmica intercapa más distribuida en un 30,6% en promedio, en comparación con los obtenidos en estudios previos de un NoC 3D con una topología de malla 8x8x4.