En los últimos años, las redes ad hoc voladoras han atraído la atención de muchos investigadores en la industria y universidades debido a su fácil implementación, costos operativos adecuados y diversas aplicaciones. El diseño de un protocolo de enrutamiento eficiente es un desafío debido a las características únicas de estas redes, como el movimiento muy rápido de los nodos, los cambios frecuentes de topología y la baja densidad. Los protocolos de enrutamiento determinan cómo proporcionar comunicaciones entre drones en una red ad hoc inalámbrica. Hoy en día, el aprendizaje por refuerzo (RL) proporciona soluciones poderosas para resolver los problemas existentes en los protocolos de enrutamiento, y diseña protocolos de enrutamiento autónomos, adaptativos y de autoaprendizaje. El propósito principal de estos protocolos de enrutamiento es garantizar una solución de enrutamiento estable con baja latencia y consumo mínimo de energía. En este documento, se analizan y estudian los métodos de enrutamiento basados en aprendizaje por refuerzo en FANET. Inicialmente, se describen brevemente el aprendizaje por refuerzo, el proceso de decisión de Markov (MDP) y los algoritmos de aprendizaje por refuerzo. Luego, se presentan las redes ad hoc voladoras, varios tipos de drones y sus aplicaciones. Además, se explica brevemente el proceso de enrutamiento y sus desafíos en FANET. A continuación, se sugiere una clasificación de los protocolos de enrutamiento basados en aprendizaje por refuerzo para las redes ad hoc voladoras. Esta clasificación categoriza los protocolos de enrutamiento en función del algoritmo de aprendizaje, el algoritmo de enrutamiento y el proceso de difusión de datos. Finalmente, presentamos las oportunidades y desafíos existentes en este campo para proporcionar una visión detallada y precisa a los investigadores con el fin de que estén al tanto de las futuras direcciones de investigación para mejorar los algoritmos de enrutamiento basados en aprendizaje por refuerzo existentes.