Las técnicas de optimización buscan identificar soluciones óptimas para un problema dado. En la optimización de un solo objetivo, la mejor solución corresponde a aquella que maximiza o minimiza la función objetivo. Sin embargo, al tratar con la optimización multiobjetivo, especialmente cuando los objetivos son conflictivos, identificar la mejor solución se vuelve significativamente más complejo. En tales casos, los métodos exactos o analíticos suelen ser imprácticos, lo que lleva al uso generalizado de enfoques heurísticos y metaheurísticos para identificar soluciones óptimas o casi óptimas. Los avances recientes han dado lugar al desarrollo de varias metaheurísticas inspiradas en la naturaleza diseñadas para abordar estos desafíos. Entre ellas, el Algoritmo de Optimización de Ballenas (WOA, por sus siglas en inglés) ha recibido una atención significativa. Se ha propuesto una versión adaptada del WOA para manejar problemas de optimización multiobjetivo. Este trabajo extiende el WOA para abordar la optimización multiobjetivo incorporando un enfoque basado en descomposición con un mecanismo cooperativo para aproximar soluciones de Pareto-óptimas. El problema multiobjetivo se descompone en una serie de subproblemas escalarizados, cada uno con una relación de vecindad bien definida. Experimentos comparativos con siete métodos de optimización bioinspirados de vanguardia demuestran que la propuesta basada en descomposición del WOA multiobjetivo supera consistentemente a sus contrapartes tanto en aplicaciones del mundo real como en problemas de prueba de referencia ampliamente utilizados.