Hoy en día, el uso de soluciones de seguridad en Sistemas de Transporte Inteligente (ITS) es un desafío serio debido al progreso novedoso en tecnologías inalámbricas y al alto número de accidentes de tráfico. La red vehicular ad hoc (VANET) es un elemento importante en este sistema porque puede mejorar la seguridad y eficiencia en ITS. En esta red, los vehículos actúan como nodos móviles y trabajan con otros nodos dentro de su rango de comunicación. Debido a los vehículos de alta dinámica y sus diferentes velocidades en esta red, los enlaces entre los vehículos son válidos por un corto intervalo de tiempo. Por lo tanto, el enrutamiento es un trabajo desafiante en estas redes. Recientemente, el aprendizaje por refuerzo (RL) juega un papel significativo en el desarrollo de algoritmos de enrutamiento para VANET. En este documento, revisamos el aprendizaje por refuerzo y sus características y estudiamos cómo utilizar esta técnica para crear protocolos de enrutamiento en VANET. Proponemos una categorización de esquemas de enrutamiento basados en RL en estas redes. Este documento ayuda a los investigadores a comprender cómo diseñar algoritmos de enrutamiento basados en RL en VANET y mejorar los métodos existentes al entender los desafíos y oportunidades en esta área.