Este documento propone un algoritmo de estudio basado en la enseñanza-aprendizaje multiobjetivo (MTLSBA) para manejar diferentes marcos de objetivos para resolver el problema de Despacho Económico Ambiental de Calefacción y Energía Combinada a gran escala (CHPEED). Su objetivo es minimizar los costos de combustible y emisiones mediante la gestión de las unidades de solo energía, CHP y solo calor. TLSBA es una versión modificada de TLBA para aumentar su rendimiento de optimización global al fusionar una nueva estrategia de estudio. Basado en esta táctica integrada, cada participante recopila conocimiento de otra persona al azar para mejorar su posición. La posición se especifica como el vector de las variables de diseño, que son las salidas de energía y calor de las unidades de solo energía, CHP y solo calor. TLSBA se ha mejorado para incluir un archivo adicional de Pareto para capturar y mantener las respuestas no dominadas. La característica objetivo se adapta dinámicamente modificando sistemáticamente la forma del modelo objetivo aplicable. Asimismo, se utiliza un enfoque de toma de decisiones basado en el concepto difuso para seleccionar la solución CHPEED más adecuada para la distribución a gran escala de energías eléctricas y térmicas combinadas. El MTLSBA propuesto se asigna a pruebas múltiples de sistemas de 5 unidades, 7 unidades y 96 unidades. Se contrasta con otras técnicas informadas en la literatura. Según los datos numéricos, el MTLSBA sugerido supera a los demás en términos de índices de eficacia y robustez. Para el sistema de 5 unidades, el MTLSBA propuesto logra una mejora en los costos de combustible del 0,6625% y 0,3677% y una reducción en las emisiones del 2,723% y 7,4669% en comparación con el algoritmo genético de clasificación no dominada (NSGA-II) y el algoritmo evolutivo de Pareto de fuerza (SPEA 2), respectivamente. Para el sistema de 7 unidades, el MTLSBA propuesto logra una mejora en los costos de combustible del 2,927% y 3,041% y una reducción en las emisiones del 40,156% y 40,050% en comparación con NSGA-II y SPEA 2, respectivamente.