通信や交通において、負荷を分散できる適切なルーティングアルゴリズムは、輻輳、混雑を回避する上で重要である。本論文では、強化学習を応用したルーティングアルゴリズムの一つであるQ-routingを、動的計画法と貪欲法を組み合わせた形に捉え直したT-routingを提案する。T-routingでは、推定到達時間の情報を更新した際に近傍ノードに通知する。これにより、ネットワークの状態変化をより効率的に伝播させることができ、各ノードは最新の状態を把握して意思決定を行うことができる。実験の結果、Q-routingやその応用アルゴリズムと比較して、探索効率を改善させることができた。