En este trabajo, se resuelve un problema del vendedor viajero (TSP) usando un método de redes neuronales y aprendizaje reforzado combinado con una heurística simple para mostrar cómo este método puede ser empleado en una instancia real. Para el desarrollo, se utilizó una aplicación del modelo Pointer-network para redes neuronales en TensorFlow versión 2.11.0. El entrenamiento se realizó con datos generados de manera ficticia con 50 ciudades y la heurísitca 2opt para hallar las soluciones, además, fue probado con 100 ciudades. Finalmente, se procesaron los datos de la instancia real para que puedan ser aplicados al modelo. En la fase de prueba se encontró que con pocas iteraciones (5000), el modelo depende mucho de la heurística escogida. También se resolvió el problema usando software comercial para comparar los resultados obtenidos. Se obtuvo los mismos resultados para la solución con el método planteado y la solución por medio de software comercial. En esta tesis, se muestra como una instancia real del TSP puede ser resuelta por medio de aprendizaje reforzado y la manera en que pueden combinarse heurísticas simples y métodos de redes neuronales para obtener soluciones competitivas de problemas de optimización.