En este papel, se realiza un marco inteligente estocástico multiobjetivo (MOIF) para la reconfiguración de la red de distribución con el objetivo de minimizar las pérdidas de energía, el número de caídas de voltaje, la fluctuación promedio de RMS del sistema, la frecuencia promedio de interrupción del sistema (ASIFI), la frecuencia promedio de interrupción momentánea (MAIFI) y la frecuencia promedio de interrupción del sistema (SAIFI) considerando la incertidumbre de la red. Se aplica el enfoque de transformación insaturada (UT) para modelar la incertidumbre de la demanda debido a su simplicidad de implementación y no requerir suposiciones para simplificarla. Se utiliza un método inteligente inspirado en humanos llamado optimización basada en equipo de montañismo mejorado (IMTBO) para encontrar las variables de decisión definidas como la configuración óptima de la red. El MTBO convencional se mejora utilizando una estrategia de aprendizaje basada en oposición cuasi para superar la convergencia prematura y lograr la solución óptima. Los resultados de la simulación mostraron que en la optimización de uno y dos objetivos, algunos objetivos se debilitan en comparación con su valor base, mientras que los resultados del MOIF indican un compromiso justo entre diferentes objetivos, y todos los objetivos se mejoran. Los resultados del MOIF basado en el IMTBO mostraron claramente que las pérdidas se reducen en un 30,94%, los números de caídas de voltaje y la fluctuación promedio de RMS se reducen en un 33,68% y un 33,65%, y también ASIFI, MAIFI y SAIFI mejoran en un 6,80%, 44,61% y 0,73%, respectivamente. Además, se confirma la capacidad superior del MOIF basado en el IMTBO en comparación con el MTBO convencional, la optimización por enjambre de partículas y el algoritmo del campo eléctrico artificial. Además, los resultados del MOIF estocástico basado en el UT mostraron que las pérdidas de potencia aumentaron en un 7,62%, las caídas de voltaje y SARFI aumentaron en un 5,39% y un 5,31%, y ASIFI, MAIFI y SAIFI se debilitaron en un 2,28%, 6,61% y 1,48%, respectivamente, en comparación con el modelo determinista de MOIF.