La contradicción entre la demanda de agua y el suministro de agua en el Delta del río Amarillo restringe el rendimiento de maíz en la región. Es de gran importancia formular estrategias de riego razonables para aliviar el uso de agua regional y mejorar el rendimiento de maíz. Basado en años hidrológicos típicos (año húmedo, año normal y año seco), este estudio utilizó el modelo de acoplamiento de AquaCrop, el algoritmo genético multiobjetivo (NSGA-III) y TOPSIS-Entropy establecido utilizando el lenguaje Python para resolver el problema, con los objetivos de lograr el mínimo agua de riego (), rendimiento máximo (), máxima tasa de producción de agua de riego () y máxima eficiencia en el uso del agua (). Luego se utilizó TOPSIS-Entropy para tomar decisiones sobre los frentes de Pareto, buscando la mejor decisión de riego bajo los múltiples objetivos. Los resultados muestran lo siguiente: (1) El modelo AquaCrop-OSPy simuló con precisión el proceso de crecimiento del maíz en el área experimental. Los valores de cobertura del dosel () en 2019, 2020 y 2021 fueron 0,87, 0,90 y 0,92, respectivamente, y los valores de biomasa aérea () fueron 0,97, 0,96 y 0,96. (2) En comparación con otros tratamientos de riego, la lluvia en el área de prueba puede satisfacer la demanda de agua del período de crecimiento del maíz en años húmedos, y el riego neto puede reducir significativamente e incrementar , , y en años normales y secos. (3) El uso de LARS-WG (un generador de clima estocástico ampliamente empleado en la evaluación del impacto climático agrícola) para generar escenarios climáticos futuros externamente resultó en una mayor concentración de CO con una producción aumentada y una demanda ligeramente reducida. (4) Optimizar estrategias de riego es importante para permitir a los tomadores de decisiones promover la utilización sostenible de los recursos hídricos en la región de estudio y aumentar los rendimientos de los cultivos de maíz.