El Problema de Programación de la Tienda de Trabajo (JSSP) consiste en encontrar la mejor programación para un conjunto de trabajos que deben ser procesados en un orden específico utilizando un conjunto de máquinas. Este problema pertenece a la clase de problemas NP-hard y tiene una enorme aplicabilidad industrial. En el área de manufactura, los tomadores de decisiones consideran varios criterios para elaborar sus horarios de producción. Estos casos se estudian en la optimización multiobjetivo. Sin embargo, pocos trabajos se abordan desde esta perspectiva multiobjetivo. La literatura muestra que los algoritmos evolutivos multiobjetivo pueden resolver estos problemas eficientemente; sin embargo, los algoritmos multiobjetivo tienen una convergencia lenta hacia el frente óptimo de Pareto. Este artículo propone tres algoritmos híbridos de Scatter Search multiobjetivo que mejoran la velocidad de convergencia evolucionando en un conjunto reducido de soluciones. Estos algoritmos son: Scatter Search/Local Search (SS/LS), Scatter Search/Chaotic Multi-Objective Threshold Accepting (SS/CMOTA) y Scatter Search/Chaotic Multi-Objective Simulated Annealing (SS/CMOSA). Los algoritmos propuestos se comparan con los algoritmos de vanguardia IMOEA/D, CMOSA y CMOTA, utilizando las métricas MID, Spacing, HV, Spread e IGD; según los resultados experimentales, los algoritmos propuestos lograron el mejor rendimiento. Notablemente, obtuvieron una reducción del 47% en el tiempo de convergencia para alcanzar el frente de Pareto óptimo.