El Problema de Programación de Taller (JSSP) es un problema de optimización combinatoria NP-duro bien conocido. En los últimos años, muchos académicos han propuesto varios algoritmos metaheurísticos para resolver JSSP, desempeñando un papel importante en la resolución de JSSP a pequeña escala. Sin embargo, cuando el tamaño del problema aumenta, los algoritmos suelen tardar demasiado tiempo en converger. En este documento, proponemos un algoritmo híbrido, llamado EOSMA, que mezcla la estrategia de actualización del Optimizador de Equilibrio (EO) en el Algoritmo de Moho de Limos (SMA), agregando el Cálculo Basado en la Oposición del Centroid (COBC) en algunas iteraciones. La hibridación de EO con SMA logra un mejor equilibrio entre exploración y explotación. La adición de COBC fortalece la exploración y explotación, aumenta la diversidad de la población, mejora la velocidad de convergencia y la precisión de la convergencia, y evita caer en un óptimo local. Con el fin de resolver problemas discretos de manera eficiente, se propone un método de codificación basado en el Índice de Orden de Clasificación (SOI). Para resolver JSSP de manera más eficiente, se añade una estrategia de búsqueda de vecinos basada en un intercambio de dos puntos al proceso iterativo de EOSMA para mejorar la capacidad de explotación de EOSMA para resolver JSSP. Luego, se utiliza para resolver 82 instancias de referencia de JSSP; su rendimiento se evalúa en comparación con el de EO, Algoritmo de Depredadores Marinos (MPA), Optimizador de Águila (AO), Búsqueda de Águila Calva (BES) y SMA. Los resultados experimentales y el análisis estadístico muestran que el EOSMA propuesto supera a otros algoritmos competidores.