Предложенный подход использует многоцелевое обучение с подкреплением для оптимизации набора решений в пространстве PPA. Метод включает функцию вознаграждения на основе Hypervolume Contribution, что позволяет генерировать более разнообразные и качественные варианты схем по сравнению с одноцелевыми моделями.