A seleção e otimização de modelos para previsão de séries temporais é uma tarefa complexa que tradicionalmente exige conhecimento especializado e esforço manual. Este trabalho propõe e avalia o uso de algoritmo genético evolucionário em conjunto com Large Language Models(LLMs). Para isso, três abordagens foram desenvolvidas e comparadas: (i) um algoritmo genético clássico, que utiliza operadores estocásticos de seleção, crossover e mutação; (ii) um algoritmo genético com evolução guiada por LLM com uma estratégia definida no prompt, onde o LLM é responsável por gerar a população cada geração; e (iii) algoritmo genético com evolução guiada por LLM com estratégia livre. Também foram usados LLMs para gerar e corrigir o código dos modelos de maneira eficaz. Os experimentos indicam a capacidade dos LLMs de atuar como agente de evolução, obtendo resultados próximos ao estado da arte para o dataset analisado.