Este artículo presenta un nuevo algoritmo híbrido que combina algoritmos genéticos (AG) y el algoritmo de hiena manchada optimizada (SHOA) para resolver el problema de programación de tiendas de producción. El algoritmo propuesto GA-SHOA incorpora operadores genéticos, como el cruce uniforme y la mutación, en el algoritmo SHOA para mejorar su rendimiento. Evaluamos el algoritmo en un conjunto de instancias de la biblioteca OR y lo comparamos con otros algoritmos de optimización de vanguardia, incluidos SSO, SCE-OBL, CLS-BFO y ACGA. Los resultados experimentales muestran que el algoritmo GA-SHOA encuentra de manera consistente soluciones óptimas o cercanas a óptimas para todas las instancias probadas, superando a los otros algoritmos. Nuestro artículo contribuye al campo de varias maneras. Primero, proponemos un algoritmo híbrido que combina de manera efectiva las capacidades de exploración y explotación de SHO y GA, lo que resulta en un proceso de búsqueda equilibrado y eficiente para encontrar soluciones cercanas a óptimas para el FSSP. Segundo, adaptamos los métodos SHO y GA a los requisitos específicos del FSSP, incluidos los esquemas de codificación, la evaluación de la función objetivo y el manejo de restricciones, lo que asegura que el algoritmo híbrido sea adecuado para abordar los desafíos planteados por el FSSP. Tercero, realizamos una evaluación de rendimiento exhaustiva del algoritmo híbrido propuesto, demostrando su efectividad en términos de calidad de solución y eficiencia computacional. Finalmente, proporcionamos un análisis detallado del comportamiento del algoritmo híbrido, discutiendo los roles de los componentes SHO y GA y sus interacciones durante el proceso de búsqueda, lo que puede ayudar a comprender los factores que contribuyen al éxito del algoritmo y brindar información sobre posibles mejoras o adaptaciones a otros problemas de optimización combinatoria.