Para problemas de optimización multimodal multiobjetivo (MMOPs), existen múltiples soluciones óptimas de Pareto equivalentes en el espacio de decisión que corresponden al mismo valor objetivo. Por lo tanto, las principales tareas de la optimización multimodal multiobjetivo (MMO) son encontrar una aproximación de alta calidad del frente de Pareto en el espacio objetivo y mantener la diversidad de la población en el espacio de decisión. Para lograr los objetivos anteriores, este artículo propone un algoritmo de optimización multimodal multiobjetivo basado en búsqueda por zonas (ZS-MMBSO). En primer lugar, se emplea un método de segmentación del espacio de búsqueda para dividir el espacio de búsqueda en algunas subregiones. Además, se incorpora una estrategia novedosa de generación de individuos en el algoritmo de optimización multimodal multiobjetivo basado en tormenta cerebral, que puede mejorar el rendimiento de la búsqueda en ingeniería de búsqueda. El algoritmo propuesto se compara con cinco famosos algoritmos evolutivos multimodales multiobjetivo (MMOEAs) en la suite de pruebas de referencia MMOPs IEEE CEC2019. Los resultados experimentales indican que el rendimiento general del ZS-MMBSO es el mejor entre todos los competidores.