El método de optimización de kriging que solo puede obtener un punto de muestreo por ciclo se ha encontrado con un cuello de botella en aplicaciones de ingeniería práctica. Cómo encontrar un método de optimización adecuado para generar múltiples puntos de muestreo a la vez, mejorando la precisión de la convergencia y reduciendo el número de evaluaciones costosas ha sido una preocupación generalizada. Por esta razón, se ha propuesto un método de optimización global multiobjetivo restringido asistido por kriging (KMCGO). Los datos de muestra obtenidos de la evaluación de la función costosa se utilizan primero para construir o actualizar el modelo de kriging en cada ciclo. Luego, se utilizan el objetivo estimado basado en kriging, el RMSE (error cuadrático medio), y la probabilidad de viabilidad para formar tres objetivos, que se optimizan para generar el conjunto de fronteras de Pareto a través de la optimización multiobjetivo. Finalmente, los datos de muestra del conjunto de fronteras de Pareto se filtran aún más para obtener puntos de muestreo más prometedores y valiosos. Los resultados de prueba de cinco funciones de referencia, cuatro problemas de diseño y una optimización de simulación de economía de combustible demuestran la efectividad del algoritmo propuesto.