El Problema de Recogida y Entrega en Múltiples Depósitos con Ventanas de Tiempo y Flotas de Vehículos Heterogéneas (MDPDPTWHV) es un problema de enrutamiento orientado prácticamente con muchas restricciones del mundo real. Debido a su complejidad, los enfoques de solución con una calidad suficientemente buena idealmente contienen varios operadores con ciertas probabilidades. Así, seleccionar automáticamente las mejores configuraciones de parámetros mejora la calidad general de la solución. Para resolver el MDPDPTWHV, presentamos un marco de Algoritmo Genético de Agrupamiento (GGA) con varios operadores y variantes de gestión de población. Se introduce un enfoque de Optimización Bayesiana (BO) para optimizar la configuración de parámetros del GGA. La sintonización de parámetros se evalúa en cinco conjuntos de datos que difieren en varias características estructurales y contienen 1200 instancias del problema. Los resultados del GGA ajustado por parámetros se comparan tanto con la configuración de parámetros inicial del GGA como con una Búsqueda Adaptativa de Gran Vecindario (ALNS) de última generación. El marco GGA presentado logra una mejor calidad de solución que el ALNS, incluso para la configuración de parámetros inicial utilizada. El valor medio del error relativo es inferior al 0.9% y su desviación estándar es inferior al 1.31% para cada clase de problema. Para el ALNS, estos valores son hasta tres veces más altos y el GGA es hasta un 38% más rápido que el ALNS. Se demuestra que el BO, como enfoque de sintonización de parámetros, es una buena opción para mejorar el rendimiento de la metaheurística considerada en todas las instancias de cada conjunto de datos. Además, la mejor configuración de parámetros por clase de problema con las mismas características puede mejorar tanto la frecuencia de encontrar la mejor solución, como el error relativo a esta solución, de manera significativa.