在天线设计过程中,通常需要耗费巨大的计算资源和时间成本,使用神经网络对天线进行建模可以大幅度提高设计效率。基于反向传播算法训练的神经网络有着容易陷入局部极小的问题。对此,本文提出一种梯度粒子群(GPSO)的混合算法对神经网结构参数进行初期优化,再用弹性反向传播算法(RP)进行细致的训练,并基于该方法对一个具有多个优化目标的E形宽带天线进行了建模和快速设计。仿真结果表明,所提出的方法相对于用单一的RP算法和PSO-RP算法训练的神经网络有更好的收敛性误差和泛化能力,对天线的高效精准设计具有一定价值。