La programación de flujo en taller de permutación es la estrategia que asegura el procesamiento de trabajos en cada máquina subsiguiente en el mismo orden exacto mientras optimiza un objetivo, que generalmente es la minimización del tiempo total de ejecución. Debido a su naturaleza NP-Completa, una parte sustancial de la literatura se ha centrado principalmente en la eficiencia computacional y el desarrollo de diferentes técnicas híbridas basadas en IA. La Optimización por Enjambre de Partículas (PSO) también se ha utilizado con frecuencia para este propósito en el pasado reciente. Siguiendo la tendencia y para explorar aún más las capacidades de optimización de PSO, primero se desarrolló un PSO estándar durante esta investigación, luego se hibridó el mismo PSO con Búsqueda de Vecindario Variable (PSO-VNS) y más tarde con Recocido Simulado (PSO-VNS-SA) para abordar Problemas de Programación de Flujo en Taller de Permutación (PFSP). El efecto de la hibridación se validó a través de una comparación interna basada en los resultados de 120 instancias diferentes ideadas por Taillard con tamaños de problema variables. Además, una comparación adicional con otras metaheurísticas híbridas reportadas ha demostrado que el PSO híbrido (HPSO) desarrollado durante esta investigación tuvo un rendimiento excepcional. Un valor más pequeño de 0.48 de ARPD (Diferencia de Rendimiento Relativo Promedio) para el algoritmo es evidencia de su naturaleza robusta y un rendimiento significativamente mejorado en la optimización del tiempo total de ejecución en comparación con otros algoritmos.