El uso de las ciencias computacionales en la industria petrolera es indispensable en la actualidad, incluyendo además tecnología de última generación, especialmente el avance constante en el desarrollo de procesadores; permitiendo utilizar algoritmos cada vez más potentes que permiten realizar cálculos extremadamente complejos, que posibilitan la obtención de soluciones a problemas previamente considerados pendientes en la industria. La mayoría de veces la carencia de parámetros obliga a los ingenieros a limitar el estudio de un pozo, haciendo consideraciones y predicciones no tan acertadas, especialmente referente a la producción; ya que esta depende totalmente de mediciones de parámetros de yacimiento y de la completación final que se haya establecido para ese pozo. El presente proyecto propone una nueva alternativa para la obtención de parámetros de pozo/yacimiento que no se hayan obtenido mediante pruebas o no se tengan a mano para un determinado instante de la vida productiva del pozo/yacimiento (como presiones de fondo fluyente, compresibilidades totales, factores volumétricos, daños, permeabilidad, presión de yacimiento, cantidad de petróleo inicial en el sitio, viscosidades, espesores, radios de drenaje y radios de pozo) mediante el uso de algoritmos genéticos (inteligencia artificial). Estos algoritmos son un método de inteligencia artificial (ciencia de automatización de procesos computacionales basados en toma de decisiones, para nuestro caso será la selección de individuos, parámetros de yacimiento, más aptos) derivado de la computación evolutiva (metodología basada en el estudio de la evolución de las especies como individuos, sociedades o generaciones) que se basan en la teoría de evolución y en la transmisión genética de una generación a otra, encapsulando los parámetros a optimizar codificados en lenguaje binario, lo que representa la estructura genética de un individuo (posible respuesta). Así, tomando un problema y generando de manera aleatoria alternativas de solución (múltiples individuos), se hace competir a estas alternativas, de manera que se transmiten características de generación a generación, mediante distintos procesos evolutivos como pueden ser los cruzamientos o las mutaciones (las más representativas entre las leyes de la genética) para así llegar a tener un individuo (alternativa) que mejor cumpla la función objetivo que se requiera de este. Establecemos dicha función objetivo mediante las curvas de producción (Curvas de declinación e IPR) de cada pozo, en donde se analizarán los posibles parámetros con los que se trabajará y los que necesitaremos que sean calculados con el algoritmo genético. Para la implementación del algoritmo genético se debe comprender los fundamentos de su programación, que en general se podría decir que son directamente relacionados con las leyes genética y evolución de las especies (Darwin, 1859). Para esto se trabajará con un lenguaje básico y funcional (Visual Basic) implementado en macros de Microsoft Excel para una mayor agilidad en el proceso. Mediante una extensiva investigación se encontró ecuaciones de producción (qL) (Kegang, He, 2012), (Guo, Lyons, Ghalambor, 2007), y producción acumulada (Np) para distintos tipos de yacimiento, las mismas que son compatibles con las ecuaciones para la determinación de las curvas de declinación (Arps, 1947) e IPR (Darcy, 1850, Voguel, 1968, Standing, 1971). Mediante un algoritmo genético se busca obtener los parámetros que aparecen en estas ecuaciones basados únicamente en la producción en determinados tiempos de yacimiento, cualquier parámetro fijo del que se disponga y algunas consideraciones generales, como si los datos fueron obtenidos sobre o debajo del punto de burbuja (presión del reservorio) o el tipo de reservorio que se tiene. De entre una variedad de curvas y ecuaciones se seleccionarán las más aptas para la optimización de la solución para el problema y para la obtención eficaz de los parámetros de reservorio, de manera que se pueda obtener datos confiables para futuros análisis.