Muchas aplicaciones del problema de enrutamiento de vehículos (VRP) en el mundo real están surgiendo hoy en día, que van desde la planificación de recursos físicos hasta la gestión de recursos virtuales en el dominio de la computación en la nube. Un rasgo común de estas aplicaciones suele ser el gran tamaño de las instancias del problema, que requieren algoritmos rápidos para generar soluciones de calidad aceptable. La base de muchos enfoques de VRP es una heurística que construye una solución candidata que posteriormente puede ser mejorada por un procedimiento de búsqueda local. Dado que existen muchas variantes del modelo básico de VRP, deben diseñarse algoritmos especializados que tengan en cuenta restricciones específicas y medidas objetivas definidas por el usuario. Otro factor es que el proceso de programación puede llevarse a cabo en condiciones dinámicas, donde la información futura puede ser incierta o no disponible o puede estar sujeta a cambios. Cuando se considera todo esto, hay una necesidad de heurísticas personalizadas, diseñadas para una variante de problema específica, que podrían utilizarse en entornos altamente dinámicos. En este documento, utilizamos la programación genética (GP) para evolucionar una regla de despacho adecuada para construir soluciones para diferentes objetivos y clases de problemas de VRP, aplicables tanto en condiciones dinámicas como estocásticas. Los resultados muestran un gran potencial, ya que este método puede utilizarse para diferentes clases de problemas y objetivos de rendimiento definidos por el usuario.