La programación flexible de talleres es un tema importante en la integración de áreas de investigación y aplicaciones del mundo real. El problema tradicional de programación flexible siempre asume que el tiempo de procesamiento de cada operación es un valor fijo y se da de antemano. Sin embargo, los factores estocásticos en las aplicaciones del mundo real no pueden ser ignorados, especialmente en los tiempos de procesamiento. Hemos propuesto un algoritmo híbrido de cooperación co-evolutiva con una estrategia de descomposición basada en un campo aleatorio de Markov (hCEA-MRF) para resolver el problema estocástico de programación flexible con el objetivo de minimizar la expectativa y la varianza del makespan. Primero, se adopta un algoritmo de cooperación co-evolutiva mejorado que es bueno para preservar la información evolutiva en hCEA-MRF. En segundo lugar, se diseña una estrategia de descomposición basada en MRF para descomponer todas las variables de decisión basadas en la estructura de red aprendida y los parámetros de MRF. Luego, se adopta una estrategia de parámetros autoadaptativos para superar la situación en la que los parámetros no pueden ser estimados con precisión cuando se enfrentan a los factores estocásticos. Finalmente, experimentos numéricos demuestran la efectividad y eficiencia del algoritmo propuesto y muestran la superioridad en comparación con el estado del arte de la literatura.