El problema de programación de cursos universitarios (UCSP) es un desafiante problema de optimización combinatoria que requiere la optimización de la calidad del horario y la utilización de recursos al cumplir múltiples restricciones que involucran cursos, profesores, estudiantes y aulas. Aunque se han aplicado varios algoritmos para resolver el UCSP, la mayoría de los métodos existentes se limitan a programar cursos independientes, descuidando el impacto de los cursos conjuntos en los resultados generales de programación. Para abordar esta limitación, este artículo propuso un innovador modelo de programación lineal entera mixta capaz de manejar las complejas restricciones de cursos conjuntos e independientes simultáneamente. Para mejorar la eficiencia computacional y la calidad de la solución, se diseñó un método híbrido que combina un algoritmo genético y programación dinámica, llamado POGA-DP. En comparación con los algoritmos tradicionales, POGA-DP introdujo operaciones de intercambio basadas en un mecanismo de juicio y operaciones de mutación con un mecanismo de reparación forzada para evitar eficazmente los óptimos locales. Además, al incorporar un algoritmo voraz para la asignación de aulas, se mejoró aún más la utilización de los recursos de las aulas. Para verificar el rendimiento del nuevo método, este estudio no solo lo probó en instancias reales de UCSP en la Universidad Forestal de Beijing, sino que también realizó experimentos comparativos con varios algoritmos clásicos, incluido un GA tradicional, Optimización de Colonias de Hormigas (ACO), el Método Productor-Buscador (PSM) y la optimización por enjambre de partículas (PSO). Los resultados mostraron que POGA-DP mejoró la calidad de programación en un 46.99% en comparación con la del GA tradicional y redujo el uso de aulas hasta en un 29.27%. Además, POGA-DP aumentó la utilización de aulas en un 0.989% en comparación con la del GA tradicional y demostró un rendimiento sobresaliente en la resolución de problemas de programación de cursos conjuntos. Este estudio también analizó la estabilidad de los resultados de programación, revelando que POGA-DP mantuvo un alto nivel de consistencia en la programación a lo largo de las semanas adyacentes, demostrando su viabilidad y estabilidad en aplicaciones prácticas. En conclusión, POGA-DP superó a los algoritmos existentes en el UCSP, lo que lo hace particularmente adecuado para una programación eficiente bajo restricciones complejas.