以数据中继卫星光网络系统资源、任务和约束条件为参量，以任务对资源的选择为优化对象，提出了一种基于自适应遗传算法的数据中继卫星光网络资源调度算法。综合考虑多中继星、多时间窗口、多光学天线以及任务优先级要求，建立调度模型；采用“当前任务调度时间的确定”和“后续任务可见时间窗口的更新”的调度操作，对不同资源的任务集合进行调度安排并实现了可见时间窗口的动态更新，获得调度任务的总权值并将其作为参量计算适应度值，最后通过改进的自适应遗传算法对不同调度方案进行寻优。以3颗中继星、12颗用户星，6个光天线，60个任务为条件设置了仿真场景，仿真结果表明该算法在收敛速度、调度效率方面具有优势，适应于多任务、多天线的数据中继卫星光网络系统资源调度。

针对未来数据中继卫星系统中微波与激光链路并存的发展趋势，研究了具有微波和激光混合链路的中继卫星系统资源调度问题。以可见时间窗口、任务优先级、终端功耗为约束条件，建立了微波/光混合链路中继卫星系统资源调度(ML-DRSSP)的多目标约束规划模型；通过设计自适应交叉、变异算子和基于精英保留的选择算子，改进了非支配排序遗传算法(MNSGA-Ⅱ)并对模型求解。以1颗中继星、4颗用户星、3种资源终端和不同任务规模为条件建立了仿真场景。仿真结果表明该算法在保持解多样性的同时使非劣解集尽可能接近问题的Pareto最优解集，因而能够有效解决具有多任务、多类型天线的ML-DRSSP。

针对激光链路中继卫星资源调度问题，以中继卫星系统资源、任务和约束条件为参量，以任务对资源的选择为优化对象，采用在调度过程中不断更新后续任务可用时间窗口的调度方法，建立了激光链路中继卫星资源调度的约束规划模型并提出了一种基于时间窗口更新的调度算法。综合考虑多时间窗口、多天线终端以及任务优先级，算法基于“当前任务调度时间的确定”和“后续任务可见时间窗口的更新”，对不同资源的任务集合进行调度安排并实现了可见时间窗口的动态更新，获得调度任务的总优先级并将其作为参量计算适应度值，最后通过遗传算法对不同调度方案进行寻优，获得最优调度结果。以4颗用户星、3个天线、32个任务为条件设置了仿真场景，仿真结果表明该算法在收敛速度、调度效率方面具有优势，适应于多用户星、多天线终端的激光链路数据中继卫星资源调度。

针对未来数据中继卫星系统中微波与激光链路并存的发展趋势，研究了微波/光混合链路的中继卫星系统资源调度问题。分析了混合链路在传输速率、链路建立及终端功耗等方面的特点，以多时间窗口、多种类型天线以及任务优先级为参量，以未调度任务总权重、终端总功耗及调度完成时间为目标，建立多目标约束规划模型；提出基于模型分解的优化求解算法，将模型分解为任务调度子问题和优化求解子问题，任务调度子问题通过基于时间窗口更新的调度方法获得初始调度方案，优化求解子问题利用遗传算法对方案进行优化，获得最优调度结果；仿真结果中任务完成率为93.75%，调度任务的权值之和占总权值的96.96%。结果验证了该方法在描述求解具有多任务、多类型天线的微波/光混合链路中继卫星系统资源调度中的有效性。