El objetivo de este estudio fue generar y evaluar la eficiencia de experimentos de campo mejorados al mismo tiempo que se tienen en cuenta correlaciones espaciales y diferentes niveles de parentesco genético utilizando un marco de modelos mixtos para diseños ortogonales y no ortogonales. Se implementaron criterios de optimalidad y un algoritmo de búsqueda para generar diseños de bloques completos al azar (RCB), bloques incompletos (IB), bloques aumentados (AB) y diseños no igualmente replicados (UR). Se evaluaron varias condiciones, incluido el tamaño del experimento, los niveles de heredabilidad y los criterios de optimalidad. Para los diseños RCB con familias de medios hermanos o hermanos completos, el procedimiento de optimización produjo mejoras importantes bajo la presencia de niveles de correlación espacial de leves a fuertes y valores de heredabilidad relativamente bajos. Además, para estos diseños, las mejoras en términos de eficiencia general del diseño (ODE%) alcanzaron valores de hasta 8.7%, pero estas ganancias variaron según las condiciones evaluadas. En general, para todos los diseños evaluados, se lograron valores más altos de ODE% a partir de individuos genéticamente no relacionados en comparación con experimentos con familias de medios hermanos y hermanos completos. Como era de esperar, la precisión de la predicción de los valores genéticos mejoró a medida que aumentaron los niveles de heredabilidad y correlaciones espaciales. Este estudio ha demostrado que se pueden lograr mejoras importantes en la eficiencia del diseño y en las precisiones de predicción al optimizar cómo se asignan los niveles de un tratamiento a las unidades experimentales.