Si bien la predistorsión digital (DPD) suele enfocarse solo en el rendimiento de linealidad del amplificador de potencia (PA) de radiofrecuencia (RF), este trabajo aborda más de una métrica de rendimiento del PA, explotando un enfoque de optimización multiobjetivo. Presentamos un procedimiento de aprendizaje de predistorsión basado en un algoritmo de optimización restringida que maximiza la potencia de salida de RF, garantizando al mismo tiempo un nivel de linealidad prescrito, es decir, un error cuadrático medio normalizado máximo (NMSE) o una relación de potencia de canal adyacente (ACPR). Los resultados experimentales en un PA de Nitruro de Galio (GaN) muestran que el enfoque propuesto supera a la arquitectura de aprendizaje indirecto clásica (ILA), utilizando sin embargo la misma estructura de predistorsión con órdenes de no linealidad y memoria predeterminados.