Este documento analiza el diseño multiobjetivo de un inductor para un convertidor buck DC-DC. El volumen del núcleo y las pérdidas totales son los dos objetivos en competencia, que deben minimizarse satisfaciendo las restricciones de diseño en el perfil de inductancia diferencial requerido y el sobrecalentamiento máximo. El problema de optimización multiobjetivo se resuelve mediante un algoritmo metaheurístico basado en Sistemas Inmunes Artificiales (AIS). A pesar de su efectividad en encontrar el frente de Pareto, el algoritmo requiere la evaluación de muchas soluciones candidatas antes de converger. En el caso del problema de diseño del inductor, la evaluación de una configuración lleva tiempo. De hecho, se necesita una técnica iterativa no lineal (punto fijo) para obtener el perfil de inductancia diferencial de la configuración, ya que puede operar en condiciones de saturación parcial. Sin embargo, muchas configuraciones evaluadas durante una optimización no cumplen con la restricción de diseño, lo que resulta en cálculos costosos e innecesarios. Por lo tanto, este documento propone la adopción de un modelo sustituto basado en datos en una fase de preselección de la optimización. El modelo adoptado debe clasificar las configuraciones recién generadas como viables o no con la restricción de diseño. Las configuraciones clasificadas como inviables se desestiman, evitando así la carga computacional de su evaluación completa. Se han obtenido resultados interesantes, tanto en términos de evaluaciones de configuraciones evitadas como en la calidad del frente de Pareto encontrado por el procedimiento de optimización.