Los problemas de optimización dinámica multiobjetivo (DMOPs) involucran múltiples objetivos conflictivos y variables en el tiempo, y los algoritmos de optimización dinámica multiobjetivo (DMOAs) buscan encontrar óptimos de Pareto que estén más cerca del real en el nuevo entorno lo antes posible. En particular, la introducción de aprendizaje por transferencia en DMOAs ha dado buenos resultados en la resolución de DMOPs. Sin embargo, la selección de conocimiento histórico valioso y la mitigación de la transferencia negativa siguen siendo problemas importantes en los DMOAs basados en aprendizaje por transferencia existentes. Se propone un DMOA basado en la selección y transferencia de conocimiento multi-entorno (MST-DMOA) en este artículo.