En el mundo real, los problemas de optimización en la optimización multiobjetivo (MOP) y la optimización dinámica se pueden ver en todas partes. Durante la última década, entre varios algoritmos de inteligencia de enjambre para problemas de optimización multiobjetivo, la optimización del enjambre de luciérnagas (GSO) y el algoritmo de forrajeo bacteriano (BFO) han atraído una atención creciente por parte de académicos. Aunque muchos académicos han propuesto estrategias de mejora para GSO y BFO para mantener un buen equilibrio entre convergencia y diversidad, todavía hay muchos problemas que deben resolverse cuidadosamente. En este artículo, se propone un nuevo algoritmo de acoplamiento basado en GSO y BFO (MGSOBFO) para resolver problemas de optimización multiobjetivo dinámicos (dMOP). Se propone MGSOBFO para lograr un buen equilibrio entre exploración y explotación dividiéndose en dos partes. La Parte I se encarga de la explotación mediante GSO y la Parte II se encarga de la exploración mediante BFO. Al mismo tiempo, el cruce binario de simulación (SBX) y la mutación polinómica se introducen en el MGSOBFO para mejorar la capacidad de convergencia y diversidad del algoritmo. Para mostrar el excelente rendimiento del algoritmo, comparamos experimentalmente MGSOBFO con tres algoritmos en la función de referencia. Los resultados sugieren que dicho algoritmo de acoplamiento tiene un buen rendimiento y supera a otros algoritmos que tratan con dMOP.