En este trabajo se desarrolla una propuesta metodológica para construir modelos lineales de Series de Tiempo y Funciones de Transferencia Discretas, a partir de plantear el problema de obtener un buen modelo lineal, como resolver un problema de optimización no lineal con variables acotadas. Cabe mencionar que para construir estos problemas se toman algunas ideas del enfoque estadístico tradicional. Dado que los problemas aquí planteados pueden presentar múltiples mínimos locales, se requiere utilizar una técnica especial para resolverlos. Con este fin se desarrolló una versión de Algoritmos Genéticos Autoadaptables, con codificación sobre números reales que permite, sin intervención del usuario, encontrar soluciones satisfactorias con el mismo código. Como producto de la metodología aquí presentada, en este trabajo se describen dos algoritmos heurísticos desarrollados para el tratamiento de Series de Tiempo, que permiten construir varios modelos para un mismo problema, donde la precisión de los mismos puede aumentarse incrementando el número de términos del modelo, situación que no ocurre con el enfoque estadístico tradicional. Así, con estos algoritmos, se pueden tener varias propuestas de solución para un mismo problema, de las cuales se puede elegir la que presente mejores resultados en el pronóstico.