Se ha observado ampliamente que no existe un mejor Algoritmo Evolutivo Multi-Objetivo (MOEA) universal que domine a todos los demás MOEAs en todos los Problemas de Optimización Multi-Objetivo (MOPs) posibles. En este trabajo, abogamos por el uso del Portafolio de Algoritmos Paralelos (PAP), que ejecuta múltiples MOEAs de forma independiente en paralelo y obtiene lo mejor de ellos, para combinar las ventajas de diferentes MOEAs. Dado que la construcción manual de PAPs es no trivial y tediosa, proponemos construir automáticamente PAPs de alto rendimiento para resolver MOPs. Específicamente, primero proponemos una variante de PAPs, llamada MOEAs/PAP, que puede determinar mejor el conjunto de soluciones de salida para MOPs que los PAPs convencionales. Luego, presentamos un enfoque de construcción automática para MOEAs/PAP con una métrica de rendimiento novedosa para evaluar el rendimiento de MOEAs en múltiples MOPs. Finalmente, utilizamos el enfoque propuesto para construir un MOEAs/PAP basado en un conjunto de entrenamiento de MOPs y un espacio de configuración de algoritmos definido por varias variantes de NSGA-II. Los resultados experimentales muestran que el MOEAs/PAP construido automáticamente puede incluso rivalizar con los MOEAs basados en múltiples operadores diseñados por expertos humanos, demostrando el gran potencial de la construcción automática de PAPs en la optimización multi-objetivo.