摘要：提出一个基于极限学习机ELM（Extreme Learning Machine）和文化基因算法MA（Memetic Algorithm）的微型四频（0.92/2.4/3.5/5.8GHz）天线设计算法AntMA-ELM ．为了提高天线的性能，算法在MA框架下引入基于综合学习粒子群优化算法CLPSO （Comprehensive Learning Particle Swarm Optimizer ）全局搜索和DSCG （Davies ，Swann ，and Campey with Gram-schmidt ）局部搜索，用于确定天线的几何参数．同时，建立ELM回归模型用于直接评估MA优化的适应值函数．实验结果表明，ELM回归模型能够根据输入参数正确估算天线的回波损耗，使MA算法有效提高设计性能和加速优化过程．天线在四个目标频段的回波损耗值均优于-10dB ，满足设计要求．

关键词：四频天线 回波损耗 极限学习机 文化基因算法 综合学习粒子群优化算法 

单位：深圳大学信息工程学院; 广东深圳518060; 深圳大学计算机与软件学院; 广东深圳518060; 深圳市嵌入式系统设计重点实验室; 广东深圳518060