La arquitectura del Sistema de Operación Colaborativa de Vehículos Aéreos Tripulados/No Tripulados (MAV/UAV COS) es crucial para mejorar la efectividad en combate y la eficiencia en la utilización de recursos. Optimizar esta arquitectura implica gestionar componentes complejos e interdependientes, lo que presenta un desafío de optimización multiobjetivo restringido. Inicialmente, se analizaron y expresaron formalmente los elementos de la arquitectura del MAV/UAV COS, transformando el problema de optimización de la arquitectura en un problema de optimización multiobjetivo, con los objetivos de maximizar la efectividad total del sistema, el rendimiento de mando y control, y el rendimiento de ejecución del sistema. Se formularon restricciones basadas en la información de la misión y la carga útil. Posteriormente, se desarrolló un Algoritmo Genético Cuántico de Clasificación No Dominada basado en Orientación de Preferencias (PGQNSGA-II), incorporando un mecanismo de puerta cuántica adaptativa basado en información de preferencias para mejorar la actualización de cromosomas, asegurando que la amplitud de probabilidad de los bits cuánticos se alinee más estrechamente con el cromosoma óptimo. Los resultados de la simulación demuestran que el algoritmo PGQNSGA-II propuesto mejora significativamente la capacidad de búsqueda global y la eficiencia en comparación con los algoritmos genéticos cuánticos tradicionales, lo que lo hace muy adecuado para optimizar las arquitecturas del MAV/UAV COS.