再生混凝土可以利用建筑垃圾，是实现资源循环利用的重要途径。再生骨料的变异性大，导致传统设计方法已难以对再生混凝土进行配合比设计。论文采用长短时记忆（LSTM）神经网络预测再生混凝土的抗压强度，训练时间短，预测精度高，且具备较好的泛化能力；获取训练完成的长短时记忆神经网络形成的非线性映射关系用于评估再生混凝土配合比优化的抗压强度，引入单方再生混凝土的成本作为目标函数。根据现行规范建立各项参数的约束条件，建立基于多目标粒子群算法与LSTM的再生混凝土的配合比优化方法。研究表明，建立的模型能够对再生混凝土的配合比进行优化，优化后的配合比在保证再生混凝土抗压强度的同时，能根据理想点的方法与Pareto理论获取在非支配解集特定条件下的再生混凝土最优配合比。论文建立的设计方法能减少繁琐的试配实验，为再生混凝土的推广应用提供参考。

0引言
1.基础理论
1.1 LSTM神经网络的基本原理
1.2 MOPSO算法原理
1.3 基于LSTM-MOPSO的多目标优化模型
2.基于LSTM的RAC抗压强度预测
2.1 数据获取以及预处理
2.2 模型的训练与性能评估
2.3 模型的预测结果分析
3.基于LSTM-MOPSO算法的RAC配合比优化
3.1目标函数的建立
3.2优化结果与分析
4.结论