The interest in multiobjective optimization algorithms has grown in recent years due to its applicability in problems from several areas, especially those from engineering. In general, the objectives considered in these problems are conflicting and a Pareto Front curve composed of the non-dominated solutions is expected as the solution to such problems. In the context of evolutionary computation there are many of algorithms applied to this type of problem, such as genetic algorithms, differential evolution, and particle swarm. This study aims to evaluate the ability of a multiobjective particle swarm algorithm, called Multiobjective Craziness based Particle Swarm Optimization (MOCRPSO) in a set of unconstrained multiobjective structural optimization problems. The problem consists to minimize the mass of structures, considering as second objective the displacement of the nodes or the natural frequencies of vibration of the strucuture. Additionally, cardinality constraints are adopted in order to obtain an automatic variable linking, searching for the best member grouping of the bars. An Adaptive Penalty Method (APM), which has been successfully applied to solving mono and multiobjective optimization problems, is used here to handle the constraints. To investigate the performance of the proposed method, six test-problems with and without constraints and six truss structures are analyzed and the results obtained illustrate its efficiency when compared to other algorithms from the literature.O interesse em algoritmos de otimização multiobjetivo cresceu nos últimos anos devido à sua aplicabilidade em problemas de diversas áreas, especialmente as da engenharia. Em geral, os objetivos considerados nesses problemas são conflitantes e uma frente de Pareto composta pelas soluções não-dominadas é esperada como a solução para tais problemas. No contexto da computação evolutiva, existem diversos algoritmos aplicados a esse tipo de problema, como os algoritmos genéticos, evolução diferencial e enxame de partículas. Este trabalho tem como objetivo propor e avaliar a capacidade de um algoritmo por enxame de partículas multiobjetivo, denominado Multiobjective Craziness based Particle Swarm Optimization (MOCRPSO) em um conjunto de problemas de otimização estrutural multiobjetivo com restrições. O problema consiste em minimizar a massa de estruturas, considerando como segundo objetivo o deslocamento máximo dos nós ou as frequências naturais de vibração da estrutura. Adicionalmente, restrições de cardinalidade são adotadas a fim de obter uma busca automática da ligação das variáveis, procurando o melhor agrupamento dos membros. Um Método de Penalização Adaptativa (APM), que foi aplicado com sucesso na solução de problemas de otimização mono e multiobjetivo, é usado aqui para lidar com as restrições. Para investigar o desempenho do método proposto, seis problemas teste com e sem restrições e seis estruturas treliçadas são analisadas e os resultados encontrados ilustram sua eficiência quando comparados com outros algoritmos encontrados na literatura.