امروزه آنتن های میکرواستریپ به خاطر مزایای متنوعشان به طور گسترده در کاربردهای مختلف مخابراتی استفاده می شوند. ساختارهای فرکتالی گونه ای از آنتن های مایکرواستریپ می باشند که با استفاده از خواص تکرار شدن های منظم یا نامنظم در ساختارهای ساده توانایی بدست آوردن خواص متنوعی همچون تلفات برگشتی چند باندی، کوچک شدن آنتن ها ضمن حفظ عملکرد آنها و ... را دارند.این آنتن ها معمولا پهنای باند امپدانسی کمی داشته و لذا روش های متعددی جهت رفع این نقیصه پیشنهاد شده است. از جمله روش هایی که برای بهینه سازی پهنای باند فرکانسی این آنتن ها استفاده می شوند عبارتند از: روش مطالعه پارامتری که مبتنی بر سعی و خطا بوده و دیگری روش بهینه سازی که به علت ارزیابی تابع هدف پیچیده و زمان بر است. در این پروژه هدف بهینه سازی پهنای باند امپدانسی دو نوع آنتن فرکتال میکرواستریپی جدید می باشد.برای انجام این کار از توانایی شبکه های عصبی فازی در تقریب زنی توابع غیرخطی و پیچیده استفاده کرده و مشخصات این دو آنتن فرکتال میکرواستریپ درختی و دایروی برش دار ( شامل تلفات برگشتی و امپدانس ورودی) را به صورت تابعی از پارامترهای آنها مانند ابعاد تخمین می زنیم.برای انجام این کار با استفاده از داده های حاصل از تحلیل چندین آنتن نمونه توسط نرم افزار hfss ، سیستم های استنتاج فازی-عصبی را آموزش می دهیم. فرایند آموزش تا جایی ادامه دارد که پارامترهای حاصل از این روش در مقایسه با نتایج بدست آمده از تحلیل دقیق توسط hfss ، از دقت خوبی برخوردار گردد. در فرایند بهینه سازی با تعریف یک تابع هدف مناسب و بهینه سازی آن با الگوریتم pso ، مقادیر پارامترهای فیزیکی و بهینه شده این دو آنتن فرکتال میکرواستریپی درختی و دایروی برش دارجهت بیشینه کردن پهنای باند بدست آمده است. مقایسه نتایج حاصل از این روش با مقادیر متناظر حاصل از تحلیل پارامتری یا بهینه سازی های متداول در مطالعات قبل، حاکی از دقت روش پیشنهادی است. این روش یک تکنیک قاعده مند جهت بهینه سازی ارائه می دهد که بسیار سریع تر از سایر روش های متداول است. دلیل این کار این است که در روش پیشنهادی برنامه hfss که اجرای آن زمان بر است تنها به دفعات محدود فقط جهت تولید داده های آموزشی بکار می رود و بهینه سازی در محیط نرم افزار matlab با الگوریتم pso و بدون نیاز به اجرای hfss انجام می گیرد.