Desde la perspectiva de la optimización, la mayoría de los métodos actuales de fusión de datos de teledetección basados en la optimización matemática tradicional o la optimización de objetivo único. El primero requiere ajuste manual de parámetros y cae fácilmente en un óptimo local. Aunque el segundo puede superar las deficiencias de los métodos tradicionales, el objetivo único de optimización hace que no pueda combinar las ventajas de múltiples modelos, lo que puede llevar a la distorsión de la imagen fusionada. Para abordar los problemas de la falta de combinación de múltiples modelos y la necesidad de configurar los parámetros manualmente en los métodos existentes, se propone un método de pansharpening basado en la colaboración de múltiples modelos y la optimización multiobjetivo, llamado MMCMOO. En el nuevo método propuesto, el problema de fusión de imágenes multiespectrales se transforma en un problema de optimización multiobjetivo. Se utilizan diferentes estrategias evolutivas para diseñar una variedad de mecanismos de generación de población, y se utiliza un algoritmo genético de clasificación no dominada (NSGA-II) para optimizar los dos modelos objetivo propuestos, con el fin de obtener la mejor calidad de pansharpening. Los resultados experimentales muestran que el método propuesto es superior a los métodos tradicionales y métodos de objetivo único en términos de comparación visual y análisis cuantitativo en nuestros conjuntos de datos.