En esta investigación, se propone un nuevo enfoque para abordar el problema de programación de flujo de trabajo de permutación (PFSSP). Este algoritmo se basa en los pasos del algoritmo genético continuo de elitismo mejorado por dos estrategias y utiliza la regla de mayor valor de rango (LRV) para transformar los valores continuos en valores discretos para permitir la resolución del PFSSP combinatorio. La primera estrategia combina el cruce aritmético con el cruce uniforme para brindar al algoritmo una alta capacidad de explotación además de reducir quedarse atascado en mínimos locales. La segunda consiste en volver a inicializar un individuo seleccionado al azar de la población para aumentar la exploración y evitar quedarse atascado en mínimos locales. Posteriormente, esas dos estrategias se combinan con el algoritmo propuesto para producir uno mejorado conocido como el algoritmo genético eficiente mejorado (IEGA). Para aumentar la capacidad de explotación del IEGA, se hibrida una estrategia de búsqueda local en una versión abreviada como HIEGA. HIEGA y IEGA se validan en tres benchmarks comunes y se comparan con varios algoritmos evolutivos y metaheurísticos robustos conocidos para verificar su eficacia. Los resultados experimentales muestran que HIEGA y IEGA son competitivos con otros para los conjuntos de datos incorporados en la comparación, como Carlier, Reeves y Heller.