Cuando una inundación golpea, las dos tareas más críticas son la evacuación y la distribución de ayuda. Es esencial integrar estas tareas, especialmente antes de que el agua de la inundación alcance el área vulnerable, para minimizar pérdidas y daños. Este documento presenta un modelo matemático de problemas de enrutamiento de vehículos para optimizar una operación integrada de ayuda en desastres. El modelo aborda el enrutamiento tanto para las tareas de evacuación como de distribución de ayuda en las etapas tempranas de una inundación, con el objetivo de identificar un número mínimo de vehículos requeridos con sus rutas correspondientes para transportar a individuos vulnerables y distribuir simultáneamente ayuda de emergencia. El nuevo modelo incorpora varias características, incluyendo la reutilización de vehículos, escenarios de entrega múltiple y dividida para evacuados y artículos de ayuda de emergencia, incertidumbre en las demandas de evacuación y ventanas de tiempo de cierre en los puntos de evacuación. Debido a la complejidad de los problemas de enrutamiento de vehículos, especialmente en escenarios a gran escala, el enfoque exacto para obtener soluciones óptimas es consumidor de tiempo. Por lo tanto, proponemos el uso de un algoritmo metaheurístico, específicamente un algoritmo genético modificado, para encontrar una solución aproximada para el modelo propuesto. Aplicamos el modelo desarrollado y el algoritmo modificado a varios escenarios de inundación simulados y a un estudio de caso real de Indonesia. Los resultados experimentales demuestran que nuestro enfoque requiere menos vehículos en comparación con modelos estándar para escenarios similares. Además, mientras que el enfoque exacto no logra encontrar soluciones óptimas dentro de un marco de tiempo razonable para escenarios a gran escala, nuestro nuevo enfoque proporciona soluciones casi óptimas en un tiempo mucho más corto. En escenarios simulados más pequeños, el algoritmo genético modificado obtiene soluciones óptimas o casi óptimas aproximadamente un 92.5% más rápido que el enfoque exacto.