Este artículo aborda el problema de convertir un problema combinatorio de objetivo único en uno multi-objetivo utilizando el enfoque de la frontera de Pareto. Aunque los algoritmos existentes pueden identificar la solución óptima en un espacio multi-objetivo, no logran satisfacer las restricciones mientras alcanzan un rendimiento óptimo. Para abordar este problema, proponemos un algoritmo de optimización de colonia artificial multi-objetivo con un tema multi-objetivo clásico llamado "fitness sharing". Este enfoque ayuda a la convergencia del conjunto de soluciones de Pareto hacia una solución óptima única que satisface múltiples objetivos. Este artículo introduce la optimización multi-objetivo con un ejemplo de una técnica de secuenciación no dominada y enfoque de "fitness sharing". La experimentación se lleva a cabo en MATLAB 2018a. Además, aplicamos el algoritmo propuesto a dos conjuntos de datos en tiempo real diferentes, a saber, el problema de la mochila y el problema de programación de enfermeras (NSP). El resultado del algoritmo propuesto MBABC-NM se evalúa utilizando indicadores de rendimiento estándar como la distancia promedio, el número de soluciones de referencia (NRS), el recuento total de soluciones alcanzadas (TNS) y el volumen total de generación no dominada (ONGV). Los resultados muestran que supera a otros algoritmos.