As redes tolerantes a atrasos e interrupções (dtn) foram concebidas para operar considerando interrupções e grandes atrasos na comunicação. o roteamento se torna uma tarefa mais desafiadora em contextos com alta frequência de mudança da topologia e poucas informações a respeito da topologia futura. em uma rede formada somente por ônibus do sistema de transporte público, os contatos entre os ônibus acontecem de forma quase-oportunista devido à regularidade não estritamente seguida nos itinerários. uma forma de melhorar o roteamento nas dtns é explorar informações históricas e do cenário para aumentar a taxa de entrega de mensagens e diminuir o atraso na entrega e o consumo de recursos. com poucas informações a serem exploradas no cenário, o roteamento fica mais difícil de ser tratado. neste contexto, esta tese propõe uma nova abordagem de roteamento baseado em redes neurais artificiais (rna) que apresenta vantagens em relação as outras estratégias aplicáveis nas mesmas condições, tal como a estratégia do caminho de probabilidade máxima (maxprop). um mecanismo de predição de contatos baseado em rna foi desenvolvido para permitir a obtenção de contatos futuros que então são utilizados em um mecanismo de construção de jornadas, permitindo estimar a melhor jornada até o destino. um procedimento para projetar as rnas é apresentado. um simulador de troca de mensagens foi desenvolvido para testar as estratégias avaliadas. os resultados obtidos demonstram que a abordagem desenvolvida atinge um maior número de mensagens entregues, menor atraso e menor custo de uso da rede. esses resultados foram obtidos nas versões com ou sem replicação de mensagens utilizando dados reais ou sintéticos. uma modelagem para a implementação da estratégia de roteamento proposta projetada para funcionar na arquitetura da internet research task force (irtf) é apresentada.