La presente investigación se centra en optimizar el despliegue y la visualización de estaciones base 5G, abordando las crecientes demandas de altas tasas de datos y baja latencia. El estudio compara la efectividad del Algoritmo Genético (GA), la Optimización por Enjambre de Partículas (PSO), el Recocido Simulado (SA) y el Optimizador de Lobo Gris (GWO) en escenarios de despliegue tanto de Macro Urbano (UMa) como de Macro Remoto (RMa) que superan las limitaciones del método actual de despliegue de 5G, que implica adoptar una arquitectura No Independiente (NSA). Enfatizando la densidad de población, el proceso de optimización elimina estaciones base redundantes para mejorar la eficiencia. Los resultados indican que PSO y GA logran el equilibrio óptimo entre cobertura y capacidad, ofreciendo valiosos conocimientos para una planificación eficiente de la red. El estudio incluye una comparación de frecuencias portadoras de 28 GHz y 3.6 GHz para UMa, destacando sus respectivas eficiencias. Además, la investigación propone una frecuencia portadora de 2.6 GHz para el despliegue de Antenas Macro Remotas (RMa), mejorando la planificación de la Red de Acceso Radio Multi-Tier 5G (RAN) y proporcionando soluciones prácticas para lograr una reducción de infraestructura y mejorar el rendimiento de la red en un contexto geográfico específico.