A seleção de carteiras de investimentos é uma tarefa complexa que envolve a escolha dos ativos que compõem um portfólio. No contexto das criptomoedas, essa atividade torna-se particularmente desafiadora devido à alta volatilidade e complexidade inerentes a esse mercado. Apesar dessas características, as criptomoedas têm ganhado uma crescente popularidade nos últimos anos, tornando-se uma opção de investimento atrativa para muitos. Neste cenário, identificou-se uma necessidade premente de abordar a otimização da seleção de carteiras de criptomoedas, explorando o potencial dos Algoritmos de Estimação de Distribuição (EDAs). O propósito fundamental deste trabalho é a implementação de um tipo de EDA chamado Algoritmo Genético Compacto, empregando a Teoria Moderna de Portfólio de Markowitz como base. O objetivo é a otimização da composição do portfólio de investimentos, enfocando a maximização dos retornos e a minimização dos riscos associados. Para alcançar essa finalidade, os preços de fechamento das criptomoedas selecionadas foram obtidos de maneira abrangente por meio da plataforma CoinGecko, cobrindo um período histórico de três anos (de 2020 a 2022) segmentados em três experimentos. Os resultados obtidos mostram que a técnica foi capaz de gerar bons resultados. Utilizando a métrica do índice Sharpe, a melhor carteira identificada pelo Algoritmo Genético Compacto, no conjunto de treino ficou classificada entre os 100 melhores retornos no conjunto de teste, durante os três experimentos conduzidos em um espaço de soluções contendo 1000 carteiras geradas.