Las soluciones objetivas de problemas de optimización multiobjetivo (MOPs) deben equilibrar la convergencia y la distribución hacia el frente de Pareto. Este documento propone un algoritmo de optimización multiobjetivo inspirado en la física cuántica de gaviotas (MOQSOA) para optimizar la convergencia y distribución de soluciones en problemas de optimización multiobjetivo. El algoritmo propuesto adopta el aprendizaje basado en opuestos, la migración y el comportamiento de ataque de las gaviotas, la clasificación en cuadrícula y los principios de superposición de la computación cuántica.