A medida que la industria logística se moderniza, mejoran los estándares de vida y cambian los patrones de consumo, la demanda de alimentos frescos sigue creciendo, lo que convierte a la logística de cadena de frío para productos perecederos en un componente crítico para garantizar la calidad y seguridad alimentaria. Sin embargo, la presencia de ventanas de tiempo blandas y duras entre nodos de demanda puede complicar la distribución de red única de productos perecederos. En respuesta a estos desafíos, este documento propone un modelo de optimización para la entrega de productos perecederos de múltiples centros de distribución, considerando tanto distribuciones conjuntas de red de un solo escalón como de dos escalones. El modelo tiene como objetivo minimizar los costos totales, incluidos los costos de transporte, fijos, de refrigeración, de daños de mercancías y de penalización, al tiempo que mide la satisfacción del cliente por el tiempo de inicio del servicio en cada nodo de demanda. Se diseñó un algoritmo heurístico de dos etapas para resolver el modelo. En la primera etapa, se construye una solución inicial utilizando un enfoque codicioso basado en los principios del algoritmo de agrupamiento k-medoids, que considera tanto distancias espaciales como temporales. En la segunda etapa, la solución de enrutamiento inicial se optimiza utilizando un enfoque de programación lineal del solucionador Ortools combinado con un algoritmo IALNS (Improved Adaptive Large Neighborhood Search). La efectividad del modelo y algoritmo propuestos se valida a través de un análisis de estudio de caso. Los resultados demuestran que las soluciones iniciales obtenidas a través del algoritmo de agrupamiento k-medoids basado en la distancia espacio-temporal mejoraron la optimización de costos generales en un 1.85% y 4.74% en comparación con los otros dos algoritmos. Entre los tres algoritmos heurísticos de dos etapas, el Ortools-IALNS propuesto aquí mostró mejoras en la optimización de costos generales sobre el IALNS, con mejoras del 3.24%, 1.12% y 0.41%, respectivamente. El algoritmo heurístico de dos etapas diseñado en este estudio también convergió más rápido que los otros dos algoritmos heurísticos, con mejoras de optimización generales del 1.55% y 1.28%, validando aún más el rendimiento superior del algoritmo heurístico propuesto.