El sistema óptico-mecánico de una cámara espacial está compuesto por varios componentes complejos, y se deben considerar los efectos de varios factores (peso, gravedad, frecuencia modal, temperatura, etc.) en el rendimiento del sistema durante las pruebas en tierra, el lanzamiento y la operación en órbita. Para cumplir con las especificaciones del sistema de la cámara óptica, es necesario optimizar los parámetros dimensionales de la estructura de la cámara óptica. Existe una relación funcional altamente no lineal entre los parámetros dimensionales de la estructura de la máquina óptica y los índices de diseño. El método tradicional requiere una cantidad significativa de tiempo para el cálculo de elementos finitos y es menos eficiente. Para mejorar la eficiencia de la optimización, en este documento se propone un modelo de predicción de red neuronal recurrente basado en el algoritmo de regularización bayesiana, y se utiliza el NSGA-II para optimizar globalmente múltiples objetivos de predicción del modelo de predicción. El reflector de la cámara espacial se utiliza como ejemplo para predecir el peso, la frecuencia modal de primer orden y la deformación del espejo gravitacional en raíz cuadrada media del reflector, y para completar el diseño ligero. Los resultados muestran que el modelo de predicción establecido por BR-RNN-NSGA-II ofrece una alta precisión de predicción para los índices de diseño del reflector, que todos alcanzan más del 99.6%, y BR-RNN-NSGA-II puede completar la búsqueda de optimización multiobjetivo de manera eficiente y precisa. Este documento proporciona una nueva idea para la optimización de la estructura de la máquina óptica, que enriquece la teoría del diseño de estructuras complejas.