El descubrimiento computacional de motivos de ADN es uno de los problemas más importantes en biología molecular y biología computacional, y aún no se ha resuelto de manera eficiente. Con investigaciones previas, hemos resuelto el problema de descubrimiento de motivos de un solo objetivo (MDP) basado en optimización biogeográfica (BBO) y hemos obtenido excelentes resultados. En este estudio, aplicamos un algoritmo de optimización biogeográfica multiobjetivo al problema de descubrimiento de motivos multiobjetivo, que se refiere al descubrimiento de nuevos sitios de unión de factores de transcripción en secuencias de ADN. Para ello, proponemos una hibridación multiobjetivo mejorada de la Optimización Basada en Biogeografía adaptativa con el enfoque de evolución diferencial (DE), denominado MHABBO, para predecir motivos a partir de secuencias de ADN. En el algoritmo MHABBO, la función de aptitud basada en la información de distribución entre los individuos del hábitat y la relación de dominancia de Pareto se redefinen. Basado en la relación entre el costo de la función de aptitud y el costo promedio en cada generación, el algoritmo MHABBO cambia adaptativamente la probabilidad de migración y la probabilidad de mutación. Además, se modifica el procedimiento de mutación que se combina con el algoritmo DE. Y los operadores de migración basados en el número de iteraciones se mejoran para cumplir con los requisitos de descubrimiento de motivos. Además, las tasas de inmigración y emigración basadas en una curva coseno se modifican. Por lo tanto, puede generar soluciones candidatas prometedoras. Se proporcionan comparaciones estadísticas con los enfoques DEPT y MOGAMOD en tres conjuntos de datos comúnmente utilizados, que demuestran la validez y efectividad del algoritmo MHABBO. En comparación con algunos enfoques existentes típicos, el algoritmo MHABBO tiene un mejor rendimiento en términos de la calidad de las soluciones finales.