La literatura abierta ofrece un amplio abanico de técnicas para la optimización multiobjetivo basada en sustitutos. La gran mayoría de los trabajos se centran en aspectos metodológicos y teóricos y se aplican a funciones matemáticas simples. El presente trabajo tiene como objetivo definir y evaluar las técnicas basadas en sustitutos utilizadas en problemas de optimización complejos pertinentes a la aerodinámica de perfiles aerodinámicos reversibles. Específicamente, aborda las siguientes preguntas: cómo las técnicas de meta-modelo afectan los resultados del problema de optimización multiobjetivo y cómo deberían ser explotados estos meta-modelos en un banco de pruebas de optimización. El problema de optimización multiobjetivo (MOOP) se resuelve utilizando optimización genética basada en el algoritmo genético de ordenamiento no dominado (NSGA)-II. El artículo explora la posibilidad de reducir el costo computacional de los algoritmos evolutivos multiobjetivo (MOEA) utilizando dos modelos de sustitución diferentes (SM): un método de mínimos cuadrados (LSM) y una red neuronal artificial (ANN). Los SM se probaron en dos enfoques de optimización con diferentes niveles de esfuerzo computacional. Al final, el artículo proporciona un análisis crítico de los resultados obtenidos con las metodologías bajo escrutinio y el impacto de los SM en los MOEA. Los resultados demuestran cómo la incorporación de modelos de sustitución en los MOEA influye en la efectividad del proceso de optimización en sí, y establecen una metodología para tareas de optimización aerodinámica en la industria de ventiladores.