Un Network-on-Chip tridimensional (3D NoC) equipa los procesadores multicore modernos con buena escalabilidad, un área pequeña y alto rendimiento utilizando vias verticales a través del silicio (TSV). Sin embargo, la tasa de fallas de TSV, que es mayor que la de los enlaces horizontales, causa variaciones impredecibles en la topología y requiere algoritmos de enrutamiento adaptativo para seleccionar dinámicamente las rutas disponibles. La mayoría de los trabajos se han centrado en el control de congestión para TSV parcialmente 3D NoCs para evitar el problema de confiabilidad de TSV, mientras que otros se han centrado en la tolerancia a fallas en TSV completamente conectados 3D NoCs y han ignorado la degradación del rendimiento. Con el fin de mejorar adecuadamente la confiabilidad y el rendimiento en arquitecturas de TSV completamente conectadas 3D NoC, proponemos un Algoritmo de Enrutamiento Asistido por Aprendizaje por Refuerzo (RLARA) consciente de TSV para NoCs 3D tolerantes a fallas. El método propuesto puede aprovechar tanto el alto rendimiento de los TSV completamente conectados como la tolerancia a fallas rentable de los TSV parcialmente conectados utilizando una tabla Q de aprendizaje por refuerzo consciente de TSV actualizada periódicamente. RLARA toma la decisión de enrutamiento distribuido con la menor utilización de TSV para evitar el sobrecalentamiento de los TSV y mitigar el problema de confiabilidad. Además, se adopta el algoritmo de agrupamiento K-means para comprimir aún más la tabla de enrutamiento de RLARA aprovechando la similitud de la información de enrutamiento. Para aliviar el problema inherente de bloqueo de los algoritmos de enrutamiento adaptativo, el valor Q del enlace del aprendizaje por refuerzo se combina con el estado del enrutador basado en la utilización del búfer para predecir la congestión y permitir que RLARA funcione mejor incluso bajo una carga de tráfico alta. Los resultados experimentales del estudio de ablación en el simulador Garnet 2.0 verifican la efectividad de nuestro RLARA propuesto bajo diferentes modelos de fallas, que pueden funcionar mejor que los últimos algoritmos de enrutamiento 3D NoC, con una demora promedio hasta un 9.04% menor y una tasa de entrega exitosa un 8.58% mayor.