Inspirado en el mecanismo de generación y restricción entre cinco elementos de la cultura tradicional china, presentamos un nuevo algoritmo de optimización cíclica de cinco elementos de múltiples objetivos (MOFECO). Durante el proceso de optimización de MOFECO, usamos individuos para representar los elementos. En cada iteración, primero dividimos la población en varios ciclos, cada uno de los cuales contiene varios individuos. En segundo lugar, para cada individuo en cada ciclo, juzgamos si actualizarlo según la fuerza ejercida sobre él por otros individuos en el ciclo. En caso de una actualización, se selecciona una actualización local o global mediante una probabilidad ajustable dinámicamente; de lo contrario, se conserva el individuo. A continuación, realizamos operaciones de mutación combinadas en los individuos actualizados, de modo que una nueva población contenga tanto los individuos reservados como los actualizados para la operación de selección. Finalmente, se adopta el método de clasificación rápida no dominada en la población actual para obtener un conjunto óptimo de soluciones de Pareto. La comparación de parámetros de MOFECO se da mediante un experimento y también se compara el rendimiento de MOFECO con tres algoritmos evolutivos clásicos: Algoritmo Genético de Clasificación No Dominada II (NSGA-II), Algoritmo de Optimización de Enjambre de Partículas de Múltiples Objetivos (MOPSO), Algoritmo de Selección Basado en Envoltura de Pareto II (PESA-II) y dos algoritmos más recientes: Algoritmo Evolutivo Impulsado por Puntos de Rodilla (KnEA) y Clasificación No Dominada y Búsqueda Local (NSLS) en la resolución de conjuntos de funciones de prueba de Zitzler et al (ZDT), Conjunto de pruebas de Deb et al (DTLZ), Grupo de Peces Caminantes (WFG) y Función de muchos objetivos (MaF). Los resultados experimentales indican que el MOFECO propuesto puede acercarse a la verdadera frontera óptima de Pareto con una mejor diversidad y convergencia en comparación con los otros cinco algoritmos.