Este documento propone una Optimización de Enjambre de Partículas de Múltiples Fases Mejorada (IMPPSO) para resolver un Problema de Programación de Taller de Trabajo Dinámico (DJSSP) conocido como un problema de tiempo polinómico no determinista difícil (NP-hard). Se introduce una red de vecinos celulares, una estrategia de reinicialización de velocidad, una estrategia de selección aleatoria de sub-dimensión y una función de manejo de restricciones en el IMPPSO. El IMPPSO se utiliza para resolver el conjunto de problemas de Kundakc y Kulak y se compara con la Optimización de Enjambre de Partículas de Múltiples Fases original (MPPSO) y el Algoritmo Heurístico de Kalman (HKA). Los resultados muestran que el IMPPSO tiene una mejor capacidad de exploración global y convergencia. El IMPPSO tiene una mejor aptitud para la mayoría de las instancias de referencia del conjunto de problemas de Kundakc y Kulak, con una tasa de mejora promedio del 5.16% en comparación con el Algoritmo Genético-Mixto (GAM) y del 0.74% en comparación con HKA. El rendimiento del IMPPSO para resolver problemas del mundo real se verifica mediante un estudio de caso. El alto nivel de eficiencia operativa también se evalúa y se demuestra proponiendo un modelo de simulación capaz de utilizar el algoritmo de toma de decisiones en un entorno del mundo real.