El propósito de este documento es presentar un nuevo marco de optimización que mejora la Optimización Robusta de Distribución de Wasserstein (WDRO) para problemas de ubicación de instalaciones bajo incertidumbre de la demanda. Los métodos tradicionales a menudo se basan en distribuciones de probabilidad predefinidas, limitando su flexibilidad para adaptarse a las fluctuaciones de la demanda del mundo real. Para superar esta limitación, el enfoque propuesto integra dos metodologías, específicamente un Algoritmo Genético para buscar la decisión óptima sobre la apertura de instalaciones, inventario y asignación, y un esquema Jordan-Kinderlehrer-Otto restringido (cJKO) para tratar la robustez en la función objetivo y la restricción de probabilidad con respecto a posibles fluctuaciones desconocidas en la demanda. Precisamente, cJKO se utiliza para construir conjuntos de ambigüedad de Wasserstein alrededor de las distribuciones de demanda empíricas (datos históricos) para lograr robustez. Como resultado, experimentos computacionales demuestran que el enfoque híbrido propuesto logra más del 90% de satisfacción de la demanda con violaciones limitadas de las restricciones probabilísticas en varios escenarios de demanda. El método equilibra eficazmente la eficiencia del costo operativo con la robustez, mostrando un rendimiento superior en el manejo de la incertidumbre de la demanda en comparación con los enfoques tradicionales.