Esta tesis se enmarca en el campo de las Operaciones, un área de las Ciencias de la Administración. El objetivo es el desarrollo y la validación de herramientas tecnológicas para la toma de decisiones en la rama logística de la gestión de la cadena de suministro de la industria alimentaria. Más específicamente, presentamos un novedoso procedimiento inteligente híbrido que ayuda a los responsables de la toma de decisiones a optimizar en un entorno multi-objetivo. Examinamos los modelos habituales de la distribución física de los bienes, clasificándolos según sus principales características. También presentamos los algoritmos evolutivos multi-objetivo que generalmente brindan las soluciones a esos modelos. Nuestro enfoque es introducir una nueva variante multi-objetivo del problema de distribución de bienes en un área urbana. Para modelar la red de centros de distribución, al servicio de los puntos de venta finales de productos, agregamos franjas horarias y otros requisitos. Consideramos la dependencia temporal de los programas óptimos de distribución, a diferencia del caso de los sistemas logísticos de media y larga distancia, para los cuales la distancia es el criterio clave. También agregamos el objetivo de equilibrar cargas entre las diferentes unidades operativas. Una hibridación del algoritmo evolutivo multi-objetivo NSGA-II es nuestra elección de herramienta computacional, junto con el concepto de g-dominación para preferencias parciales, que proporciona la guía informativa en el espacio de búsqueda. Las fases de validación y prueba de este algoritmo utilizan datos del mundo real, comparando sus resultados con los resultados de otros procedimientos evolutivos multi-objetivo utilizados para la solución de problemas complejos de distribución. La información fue proporcionada por un operador logístico, especializado en el transporte y la distribución de cargas fraccionarias. En todos los casos examinados, nuestro algoritmo se desempeñó mejor que los habituales. / This thesis is framed in the field of Operations, an area of Management Science. The goal is the development and validation of technological tools for decision- making in the logistic branch of supply chain management of the food industry. More specifically, we present a novel hybrid intelligent procedure aiding decision- makers optimizing in a multi-objective environment. We examine the usual models of the physical distribution of goods, classifying them according to their main features. We also present the multi-objective evolutionary algorithms that usually yield the solutions to those models. Our approach is to introduce a new multi-objective variant of the distribution problem of goods in an urban area. To model the network of distribution centers, serving the final outlets of goods, we add time frames and other requirements. We consider the time dependence of the optimal programs of distribution, unlike the case of medium and long-distance logistical systems, for which the distance is the key criterion. We also add the objective of balancing loads among the different operating units. A hybridation of the multi-objective evolutionary algorithm NSGA-II is our choice of computational tool, jointly with the concept of g-dominance for partial preferences, which provides the informational guide in the search space. The validation and testing phases of this algorithm uses real-world data, comparing its outcomes to the results of other evolutionary multi-objective procedures used for the solution of complex problems of distribution. The information was provided by a logistic operator, specialized in transporting and distributing fractional loads. In all the cases examined, our algorithm performed better than the usual ones.