Recientemente, con el desarrollo de dispositivos móviles y la plataforma de crowdsourcing, la crowdsourcing espacial (SC) se ha vuelto más extendida. En SC, los trabajadores necesitan viajar físicamente para completar tareas espacio-temporales durante un cierto período de tiempo. El principal problema en las plataformas de SC es programar un conjunto de trabajadores adecuados para lograr un conjunto de tareas espaciales basadas en diferentes objetivos. En realidad, las aplicaciones del mundo real de SC necesitan optimizar múltiples objetivos juntos, y estos objetivos a veces pueden entrar en conflicto entre sí. Además, existe una falta de investigación que aborde el problema de optimización multiobjetivo (MOO) dentro de un entorno de SC. Por lo tanto, en este trabajo nos enfocamos en la programación de tareas basada en la optimización multiobjetivo (TS-MOO) en SC, que se basa en maximizar el número de tareas completadas, minimizar los costos totales de viaje y garantizar el equilibrio de la carga de trabajo entre los trabajadores. Para resolver el problema anterior, desarrollamos un nuevo método, es decir, el modelo de optimización de programación de tareas multiobjetivo (MOTSO) que consta de dos algoritmos, a saber, el algoritmo de optimización de enjambre de partículas multiobjetivo (MOPSO) con nuestra función de aptitud Alabbadi, et al. y el algoritmo de estrategia de clasificación basado en el concepto de entropía de tareas y la duración de la ejecución de tareas. El objetivo principal de nuestra estrategia de clasificación es mejorar y potenciar el rendimiento de nuestro MOPSO. El objetivo principal del modelo MOTSO propuesto es encontrar una solución óptima basada en los múltiples objetivos que entran en conflicto entre sí. Realizamos nuestro experimento con conjuntos de datos sintéticos y reales; los resultados experimentales y el análisis estadístico mostraron que nuestro modelo propuesto es efectivo en términos de maximizar el número de tareas completadas, minimizar los costos totales de viaje y equilibrar la carga de trabajo entre los trabajadores.