Las Redes Ad Hoc Vehiculares (VANETs) necesitan métodos para controlar el tráfico causado por un alto volumen de vehículos durante el día y la noche, la interacción de vehículos y peatones, colisiones de vehículos, el aumento de retrasos en los viajes y problemas de energía. El enrutamiento es uno de los problemas más críticos en VANET. Una de las categorías de aprendizaje automático es el aprendizaje por refuerzo (RL), que utiliza algoritmos de RL para encontrar un camino más óptimo. Según la retroalimentación que reciben del entorno, estos métodos pueden afectar el sistema a través del aprendizaje de acciones y reacciones anteriores. Este documento proporciona una revisión exhaustiva de varios métodos como el aprendizaje por refuerzo, el aprendizaje profundo por refuerzo y el aprendizaje difuso en la red de tráfico, para obtener el mejor método para encontrar un enrutamiento óptimo en la red VANET. De hecho, este documento trata sobre las ventajas, desventajas y rendimiento de los métodos presentados. Finalmente, categorizamos los métodos investigados y sugerimos el rendimiento adecuado de cada uno de ellos.