Este proyecto aborda la problemática de determinar rutas óptimas de ventas directas para minimizar la distancia total recorrida y reducir las emisiones de ????2 en una empresa de la industria alimentaria. Con una cartera de 9.539 clientes y 53 rutas mal estructuradas desde el Centro de Distribución de Guayaquil, se enfrentaban inconvenientes, como visitas incompletas y recursos subutilizados. El objetivo general fue optimizar las rutas mediante un modelo matemático mTSP, complementado con el método de machine learning ?K-Medoids? y un modelo de clusterización, junto con el algoritmo metaheurístico GRASP. La sinergia de estos procedimientos más la capacidad de manejo de datos de Wolfram Mathematica proporcionó una estrategia eficiente para la distribución de rutas. Los resultados resaltaron una disminución en la flota de camiones y mejoras en las rutas, lo que contribuyó a la optimización de la logística y a un aumento en la satisfacción del cliente. Además, se logró una notable reducción de costos totales y de la huella de carbono. En conclusión, se logró optimizar las rutas de la empresa y se demostró el impacto positivo de los algoritmos metaheurísticos en la gestión logística. Palabras Clave: mTSP, Clusterización, algoritmo, emisiones de ????2, eficiencia operativa