A medida que aumenta el número de objetivos, el rendimiento de procesamiento integral de los problemas de optimización multiobjetivo disminuye significativamente. Para abordar este desafío, este documento propone un Algoritmo Evolutivo de Doble Asociación basado en Ángulos para la Optimización de Muchos Objetivos (MOEA-AD). El algoritmo mejora la capacidad de exploración de regiones desconocidas al asociar subespacios vacíos con las soluciones de mayor aptitud a través de una estrategia de bi-asociación basada en ángulos. Además, se diseña un novedoso esquema de evaluación de calidad para evaluar la convergencia y diversidad de las soluciones, introduciendo coeficientes de penalización dinámicos para equilibrar la relación entre ambos. Se realiza una clasificación jerárquica adaptativa de soluciones basada en la distribución global de diversidad para garantizar la selección de soluciones óptimas. El rendimiento de MOEA-AD se valida en varios problemas clásicos de referencia (con hasta 20 objetivos) y se compara con cinco algoritmos evolutivos multiobjetivo de última generación. Los resultados experimentales demuestran que el algoritmo presenta ventajas significativas tanto en convergencia como en diversidad.