Esta revisión sistemática analiza el impacto del Machine Learning (ML) y la Inteligencia Artificial (IA) en la optimización de rutas, un desafío crítico en logística y transporte. El estudio identifica los métodos predominantes de ML/IA aplicados en este campo, destacando el creciente uso del aprendizaje por refuerzo, las redes neuronales LSTM con mecanismos de atención y los enfoques híbridos que combinan algoritmos tradicionales con técnicas de aprendizaje profundo. La investigación evalúa comparativamente estos métodos frente a técnicas de optimización convencionales, revelando que las soluciones basadas en ML ofrecen ventajas significativas en eficiencia computacional y adaptabilidad a entornos dinámicos, mientras que los métodos tradicionales aún mantienen ciertas ventajas en precisión para problemas específicos. El análisis sectorial demuestra una amplia implem...

En la presente investigación se desarrolló un sistema para facilitar la generación de rutas de recolección de residuos sólidos urbanos mediante la integración de reportes ciudadanos con servicios de Google Maps. Se aplicó la metodología Extreme Programming (XP). La aplicación móvil permite reportar puntos de acumulación con geolocalización, imágenes y descripciones. La aplicación web procesa estos reportes utilizando la API (Application Programming Interface - Interfaz de Programación de Aplicaciones) Directions de Google Maps para generar rutas óptimas. Para la creación de las APIs se utilizó Django REST framework. La viabilidad técnica se evaluó en ordenador Intel Core i5-10300H CPU (Central Processing Unit - Unidad Central de Procesamiento) @2.50GHz con 24.00 GB de RAM (Random Access Memory - Memoria de Acceso Aleatorio). Las métricas incluyeron consumo de CPU, me...