En tiempos recientes, han surgido numerosos algoritmos innovadores y especializados para abordar problemas de dos y tres tipos multiobjetivo. Sin embargo, su eficacia en desafíos de muchos objetivos sigue siendo incierta. Este artículo presenta un nuevo Algoritmo Seno-Coseno Multiobjetivo (MaOSCA), que emplea un mecanismo de punto de referencia y el principio de retroalimentación de información para lograr un rendimiento eficiente, efectivo, productivo y robusto. Las capacidades del algoritmo MaOSCA se ven mejoradas al incorporar múltiples características que equilibran la exploración y la explotación, dirigen la búsqueda hacia áreas prometedoras y evitan la estancamiento de la búsqueda. El rendimiento de MaOSCA se evalúa frente a algoritmos populares como el Algoritmo Genético de Clasificación No Dominada-III (NSGA-III), el Algoritmo Evolutivo Multiobjetivo basado en Descomposición (MOEA/D) integrado con Evolución Diferencial (MOEADDE), el Optimizador de Enjambre de Partículas Multiobjetivo (MaOPSO) y el Algoritmo JAYA Multiobjetivo (MaOJAYA) en diversas pruebas, incluidas DTLZ1-DTLZ7 con 5, 9 y 15 objetivos y problemas de diseño de cabina de automóvil, gestión de recursos hídricos, impacto lateral de automóviles, diseño marino y diseño de ingeniería de truss de 10 barras. La evaluación del rendimiento se lleva a cabo utilizando varios métricas de rendimiento. MaOSCA demuestra su capacidad para lograr soluciones bien convergentes y diversificadas para la mayoría de los problemas. El éxito de MaOSCA se puede atribuir a las múltiples características del optimizador SCA integradas en el algoritmo.