La optimización de la programación de taller es fundamental para mejorar la eficiencia general de producción dentro de un taller. En los modos de producción personalizados impulsados por la demanda, lograr un equilibrio entre los recursos del taller y las diversas demandas de los clientes presenta un desafío en la programación. Además, considerando los comportamientos egoístas de los agentes, este estudio se centra en abordar el problema de la programación de taller multiagente con información privada. Se consideran múltiples agentes consumidores y un agente de taller, todos los cuales son egoístas y tienen información privada. Para abordar este problema, se desarrolla un algoritmo descentralizado de dos etapas basado en el algoritmo genético para lograr un horario de consenso. El algoritmo permite que los agentes evolucionen de forma independiente y concurrente, con el objetivo de satisfacer los requisitos individuales. Para evitar quedar atrapados en un óptimo local, el espacio de búsqueda se amplía a través del cruce entre agentes y la inserción de bloques basada en agentes. La clasificación no dominada y el análisis relacional gris se aplican para generar la solución final con un alto bienestar social. El algoritmo propuesto se compara utilizando un enfoque centralizado y dos enfoques descentralizados de vanguardia en experimentos computacionales que involucran 734 instancias de problemas. Los resultados validan que el algoritmo propuesto genera soluciones no dominadas con una fuerte convergencia y uniformidad. Además, la solución final producida por el algoritmo desarrollado supera a las de los enfoques descentralizados. Estas ventajas son más pronunciadas en instancias de problemas a mayor escala con más agentes.