The coordination of multiple individuals is a phenomenon presented in natural systems such as flocks, herds and schools of fish. This behavior is called flocking and its main characteristic is the organization of the individuals to stay together and to avoid collisions while they move. Flocking problem has attracted the attention of scientist and it has been modeled by several approaches. Additionally, variations of flocking models have been designed. One example is multitarget flocking. In this variation, each individual chooses a target to follow, and several flocks are formed then. Unfortunately, in multitarget flocking approaches, it is assumed that individuals move in environments without constrains. That is, there are no obstacles that limit the movement of the individuals. This is an important disadvantage since potential applications of multitarget flocking are organization in multirobot systems and control of unmanned aerial vehicles (UAV). These applications require considering obstacles in the environment. Thus, the goal of this thesis is to overcome such disadvantage. We propose a multitarget flocking model which considers obstacles in the environment. The proposal is based on the Particle Swam Optimization algorithm (PSO). The simulations have shown that individuals can perform obstacle avoidance thanks to our model. Moreover, we rigorously quantified system behavior to conclude that coordination among agents is acceptable. Additionally, we analyzed the model to demonstrate its stability.La coordinación de múltiples individuos que conforman un sistema es un fenómeno que se presenta frecuentemente en agrupaciones de la naturaleza como en las parvadas, manadas, bancos de peces y enjambres. El comportamiento colectivo de estos sistemas es denominado movimiento colectivo coordinado y su característica esencial es la organización de los individuos para mantenerse en grupo y evitar colisiones entre ellos. Dicho comportamiento ha sido de interés cientí.co y se ha modelado de diversas formas. Asimismo, se han diseñado modelos que represen- tan un comportamiento más complejo que el movimiento colectivo coordinado. Un ejemplo es el seguimiento multiobjetivo, en donde, el grupo de individuos se divide en diferentes subgrupos, cada uno siguiendo a un objetivo y manteniéndose la unión de cada subgrupo. Desafortunadamente, los enfoques propuestos para seguimiento multiobjetivo, suponen que los individuos se desplazan en ambientes sin restricciones. Con esto queremos decir que no hay algún obstáculo que restringa el movimiento de los individuos. Consideramos que esto es una limitación importante para el uso de este tipo de modelos en aplicaciones potenciales, como es la coordinación de sistemas multirobot y vehículos aéreos no tripulados (UAV), en donde es necesario considerar restricciones en el ambiente; por ejemplo, obstáculos. En este sentido, surge la necesidad de considerar ambientes con dichas restricciones, por lo que la propuesta de esta investigación es modelar y simular el movimiento colectivo coordinado para seguimiento multiobjetivo en ambientes con obstáculos. Para superar la desventaja de suponer ambientes sin restricciones, proponemos un modelo de movimiento colectivo coordinado multiobjetivo para ambientes con obstáculos. El esquema presentado está basado en el algoritmo de optimización de enjambre de partículas (PSO). Las simulaciones avalan que el modelo permite la evasión de obstáculos. Además, pudimos corroborar que los individuos mantienen un grado de coordinación aceptable gracias a la cuantificación rigurosa del comportamiento del sistema. Asimismo, tras el análisis del modelo, hemos llegado a la conclusión de que su comportamiento es estable.