En este documento, proponemos un nuevo enfoque para mejorar el rendimiento de la optimización por enjambre de partículas multiobjetivo. El guía personal y el guía global se actualizan utilizando tres tipos de conocimiento extraídos de la población basados en algoritmos culturales. Se ha empleado un criterio de dominación epsilon para mejorar la convergencia y diversidad del frente de Pareto aproximado. Además, se ha aplicado un operador de mutación polinómico simple tanto a la población como al archivo de no dominados. Experimentos en dos series de conjuntos de pruebas de referencia han demostrado la efectividad del enfoque propuesto. También se ha realizado una comparación con varios otros algoritmos que son considerados buenos representantes de soluciones de optimización por enjambre de partículas, con el fin de verificar el rendimiento competitivo del algoritmo propuesto en la resolución de problemas de optimización multiobjetivo.