[pt] Os custos de instalação e as taxas de produção ao longo da vida de um reservatório de óleo e gás são influenciados diretamente pela localização, quantidade e capacidade das Unidades Estacionárias de Produção (UEPs). A distância entre um poço e a UEP a qual foi alocado é um fator impactante na perda de carga a que os fluídos são submetidos. A dissipação de energia aumenta quando essa distância é maior e todo o sistema de produção recebe a interferência negativa desta perda, o que compromete as taxas de recuperação. A necessidade de respeitar as restrições de capacidade das UEPs faz com que outras decisões precisem ser tomadas no mesmo momento em que se decide a localização de cada uma. Este trabalho descreve um modelo baseado em Algoritmos Genéticos para a otimização simultânea da quantidade, localização e dimensionamento de Unidades Estacionárias de Produção (UEPs). Para lidar com as restrições lineares e não lineares do problema utiliza-se a técnica chamada de GENOCOP III - Genetic Algorithm for Numerical Optimization of Constrained Problems e funções de penalidade. O objetivo da otimização é maximizar o Valor Presente Líquido (VPL) que depende da curva de produção de cada configuração obtida como possível solução. Para obter a curva de produção são realizadas simulações de reservatório que utilizam tabelas de escoamento multifásico para representar o sistema de produção externo ao reservatório. O modelo de solução foi testado em um modelo de reservatório baseado em um caso real. Os resultados encontrados indicam que a utilização deste modelo de solução como ferramenta pode auxiliar a tomada de decisão dos especialistas responsáveis pelo desenvolvimento de campos de petróleo. / [en] Installation costs and production rates over the life of an oil and gas reservoir are directly influenced by the location, number and capacity of the Production Units. The distance between a well and the Production Unit to which it has been allocated is an important factor in the loss of fluids pressure. The power dissipation increases when the distance is bigger and the entire production system receives the negative interference of this loss, compromising recovery rates. There is a need to take into account restrictions that apply to the capacity of Production Unit at the same time as there localization are decided. This paper describes a model with genetic algorithms for the simultaneous optimization of the quantity, location and sizing of Production Units. To deal with the constraints of the problem we use a technique called GENOCOP III - Genetic Algorithm for Numerical Optimization of Constrained Problems. The goal of the optimization is to maximize the Net Present Value (NPV) which depends on the production curve of each configuration obtained as a possible solution. The production curves are obtained by reservoir simulations with multiphase flow tables that represent the system external to the reservoir. The solution model was tested in a reservoir model based on a real case. The results indicate that using this solution model as a tool can assist the decision making of experts responsible for oil field development.