[pt] Uma das tarefas mais importantes da Engenharia de Reservatórios é definir a estratégia de produção. Isso significa estabelecer, dentre outras coisas, quantidade, características, localização, planejamento operacional e cronograma de abertura dos poços, a fim de maximizar a recuperação de óleo e o valor presente líquido (VPL) do projeto. Assim, a definição da melhor estratégia de produção representa um problema de otimização complexo, devido à quantidade de variáveis envolvidas. Geralmente, muitas dessas etapas são executadas manualmente, demandando assim muito tempo e esforço por parte do especialista. A disponibilidade de uma ferramenta computacional, que possa auxiliar o especialista em parte desse processo, pode ser de grande utilidade tanto para a obtenção de respostas mais rápidas, quanto para a tomada de decisões mais acertadas. Diante disso, este trabalho propõe um modelo computacional, baseado em Algoritmos Genéticos, para otimizar o cronograma de abertura de poços, considerando restrições técnicas e operacionais impostas pelo problema. O modelo proposto foi avaliado por meio do estudo de três casos. O primeiro consiste em um reservatório simples que foi utilizado, principalmente, para identificar a configuração mais adequada dos parâmetros evolutivos do algoritmo genético. O segundo, que consiste em um reservatório com características similares às de um reservatório real, foi submetido a uma análise econômica para avaliar o desempenho do modelo de solução diante de cenários econômicos: real, favorável e desfavorável. Em todos os testes realizados, o modelo de solução obteve resultados promissores, com VPL s superiores em até 18,8 porcento comparados ao VPL obtido com o cronograma proposto pelo especialista. / [en] One of the most important tasks of Reservoir Engineering is setting the production strategy. That means establishing, among other things, amount, character, location, operational planning and well opening scheduling in order to maximize oil recovery and net present value (NPV) of the project. Thus, the definition of the best strategy for production represents a complex optimization problem due to the many variables involved. Generally, many of these steps are performed manually, requiring so much time and effort on the part of the expert. The availability of a computational tool that can assist the expert part of this process, may be useful both to obtain faster responses, as for making better decisions. Thus, this work proposes a computational model based on genetic algorithms to optimize the schedule of digging wells, considering technical and operational constraints imposed by the problem. The proposed model was evaluated by the study of three cases. The first consists of a single reservoir that was used primarily to identify the most suitable configuration of parameters evolutionary genetic algorithm. The second, consisting of a reservoir with characteristics similar to those of a real reservoir, was subjected to an economic analysis to evaluate the performance of the model solution in the face of economic scenarios: real, favorable and unfavorable. And the third is in a real reservoir. In all tests, the model solution obtained promising results, with higher NPV s up 18.8 percent compared to the NPV obtained with the schedule proposed by the expert.