Los problemas de Planificación y Control de Proyectos (PPC) con tiempos de procesamiento de trabajos estocásticos pertenecen a la clase de problemas de Programación de Proyectos Multirrecurso con Restricciones Estocásticas (SRCMPSP). Un ejemplo práctico de esta clase de problemas es el dominio industrial de ensamblaje específico del cliente de productos complejos. Los enfoques de PPC deben compensar las influencias estocásticas y lograr un alto cumplimiento del objetivo. Este documento presenta un enfoque eficiente de optimización basado en simulación para generar Reglas de Prioridad Combinadas (CPRs) para determinar el próximo trabajo en el control de producción a corto plazo. El objetivo es minimizar objetivos específicos del proyecto como el retraso promedio y la desviación estándar del proyecto o el tiempo de ejecución. Para ello, generamos CPRs específicas del proyecto y evaluamos los resultados con el concepto de dominancia de Pareto. Sin embargo, generar CPRs considerando influencias estocásticas es computacionalmente intensivo. Para abordar este problema, desarrollamos un algoritmo de 2 fases aprendiendo primero el algoritmo con datos deterministas y generando soluciones iniciales prometedoras para la fase estocástica más intensiva computacionalmente. Dado que una buena solución determinista no siempre conduce a una buena solución estocástica, introdujimos el parámetro Tasa de Copia Inicial (ICR) para generar una población inicial de individuos copiados y aleatorizados. Al evaluar este enfoque, realizamos varios experimentos basados en computadora. En comparación con las Reglas de Prioridad Estándar (SPRs) utilizadas en la práctica, el enfoque muestra un mayor cumplimiento del objetivo. El algoritmo de 2 fases puede reducir el esfuerzo computacional y aumentar la eficiencia en la generación de CPRs.