En un problema de optimización multiobjetivo, un tomador de decisiones tiene más de un objetivo para optimizar. En un problema de optimización en dos niveles, hay los siguientes dos tomadores de decisiones en una jerarquía: un líder que toma la primera decisión y un seguidor que reacciona, cada uno con el objetivo de optimizar su propio objetivo. Muchos procesos de toma de decisiones del mundo real tienen varios objetivos para optimizar al mismo tiempo, considerando cómo los tomadores de decisiones se afectan mutuamente. Cuando se combinan ambas características, tenemos un problema de optimización multiobjetivo en dos niveles, que surge en fabricación, logística, economía ambiental, aplicaciones de defensa y muchas otras áreas. Se han propuesto muchas técnicas exactas y basadas en aproximaciones, pero debido a la no convexidad intrínseca y a los múltiples objetivos conflictivos, su costo computacional es alto. Proponemos un algoritmo híbrido basado en optimización bayesiana por lotes para aproximar el conjunto de soluciones óptimas de Pareto de nivel superior. También extendemos nuestro enfoque para manejar la incertidumbre en los objetivos del líder a través de una función de adquisición basada en la mejora del hipervolumen. Los experimentos muestran que nuestro algoritmo es más eficiente que otros métodos actuales mientras aproxima con éxito las fronteras de Pareto.