Los enfoques de optimización estocástica se benefician de la variabilidad aleatoria para producir una solución en un marco de tiempo razonable que sea lo suficientemente buena para resolver el problema. En comparación con ellos, los métodos de optimización determinista presentan tasas de convergencia más rápidas y una mejor reproducibilidad, pero pueden quedarse atascados en un óptimo local que es insuficiente para resolver el problema. En este documento, proponemos un método de optimización determinista basado en grupos, que puede lograr de manera eficiente un rendimiento comparable a los algoritmos de optimización heurística, como la optimización por enjambre de partículas. Además, se emplea el método de suma ponderada (WSM) para mejorar aún más nuestro método de optimización determinista y convertirlo en una optimización multiobjetivo, lo que le permite buscar un equilibrio entre múltiples métricas de rendimiento de circuitos en conflicto. Con un estudio de caso de tres circuitos analógicos comunes probados para nuestra metodología de optimización, los resultados experimentales demuestran que nuestro método propuesto puede alcanzar de manera más eficiente una mejor estimación del frente de Pareto en comparación con NSGA-II, un enfoque de optimización multiobjetivo bien conocido.