El rendimiento de los algoritmos evolutivos diferenciales multi-objetivo restringidos (CMOEAs) está principalmente determinado por las técnicas de manejo de restricciones (CHTs) y sus estrategias de generación. Para realizar el ajuste adaptativo de CHTs y estrategias de generación, se introduce en el presente estudio un algoritmo evolutivo diferencial multi-objetivo restringido adaptativo basado en el enfoque estado-acción-recompensa-estado-acción (SARSA) (ACMODE). En el algoritmo propuesto, la CHT adecuada y la estrategia de generación apropiada pueden ser seleccionadas automáticamente a través de un método SARSA. El rendimiento del algoritmo propuesto se compara con otros cuatro famosos CMOEAs en cinco conjuntos de pruebas. Los resultados experimentales muestran que el rendimiento general del ACMODE es el mejor entre todos los competidores, y el algoritmo propuesto es capaz de seleccionar una CHT apropiada y una estrategia de generación adecuada para resolver un tipo particular de problemas de optimización multi-objetivo restringidos.