Lograr un equilibrio dinámico entre viabilidad, convergencia y diversidad sigue siendo un desafío fundamental en los Problemas de Optimización Multiobjetivo Constrenidos (CMOPs). Para abordar las limitaciones de los métodos convencionales en el manejo de restricciones complejas y la asignación de recursos, este documento propone un Algoritmo Evolutivo Cooperativo de Doble Población basado en la Selección de Viabilidad Relajada y la Asignación de Recursos de Contribución Reducida (RFSCMOEA). Primero, se diseña una estrategia de selección de viabilidad relajada con un umbral que se reduce dinámicamente, permitiendo que soluciones casi viables sobrevivan en las etapas iniciales para mejorar la exploración de límites. En segundo lugar, un mecanismo de selección ambiental de doble criterio integra el ordenamiento no dominado con la estimación de densidad de k vecinos más cercanos para prevenir la convergencia prematura y asegurar la uniformidad de las soluciones. Además, un modelo dinámico de asignación de recursos optimiza la configuración computacional ajustando las proporciones de generación de descendencia en función de la contribución evolutiva en tiempo real de cada población. Experimentos extensivos en 47 funciones de referencia y 12 problemas de ingeniería del mundo real demuestran que RFSCMOEA supera significativamente a ocho algoritmos de vanguardia en Tasa de Viabilidad, Distancia Generacional Invertida y Hipervolumen.