Con el objetivo de resolver el problema de programación de trabajos flexibles en talleres con recursos dualmente restringidos (DRCFJSP) con diferencias en el tiempo de operación entre los operadores, se desarrolla en este documento un modelo de optimización DRCFJSP basado en inteligencia artificial (IA). Este modelo introduce las diferencias entre el tiempo de carga y descarga de los trabajadores antes y después del proceso. Posteriormente, se utiliza el algoritmo genético cuántico (QGA) como portador; el proceso se codifica a través de la codificación cuántica; y se emplea la tecnología de nicho para inicializar la población, el ángulo de rotación adaptativa y la estrategia de mutación cuántica para mejorar la eficiencia del QGA y evitar la convergencia prematura. Por último, a través del ejemplo de cálculo estándar de Kacem y el análisis de fiabilidad del proceso de procesamiento del taller de la fábrica, se lleva a cabo una evaluación del rendimiento que muestra que el QGA mejorado tiene buena convergencia y no cae en la capacidad prematura; el QGA mejorado puede resolver el problema de la distribución razonable de máquinas y personal en el taller, y el método propuesto es más efectivo para el DRCFJSP que algunos métodos existentes. Los hallazgos pueden proporcionar una buena base teórica para la producción y aplicación real.