Para lograr una optimización efectiva y precisa en problemas de optimización multiobjetivo, se propuso en este artículo un algoritmo de colonia de abejas artificiales multiobjetivo con operadores de regulación (RMOABC) inspirado en el comportamiento de forrajeo inteligente de las abejas. El algoritmo propuesto utiliza la teoría de dominancia de Pareto y aprovecha los mecanismos de cuadrícula adaptativa y operadores de regulación. La técnica de cuadrícula adaptativa se utiliza para evaluar de manera adaptativa el frente de Pareto mantenido en un archivo externo y el operador de regulación se utiliza para equilibrar los pesos de la búsqueda local y la búsqueda global en la evolución del algoritmo. El rendimiento de RMOABC se evaluó en comparación con otros algoritmos inspirados en la naturaleza, incluidos NSGA-II y MOEA/D. Los resultados de los experimentos demostraron que el enfoque RMOABC tiene mejor precisión y un tiempo de ejecución mínimo.