随着时代与技术的发展,空间数据业务类型由无人空间数据业务逐渐转变为载人航天数据业务。为了满足多类型、高速率、大容量、强突发性和高实时性的空间数据业务发展要求,国际空间数据系统咨询委员会（Consultive Committee For Space Data System,CCSDS）开发了各种适应航天器复杂化及有效利用有限空间资源的通信协议。其初级阶段以不同数据源组成包并以包的形式传送给用户的遥测协议与遥控协议为主要应用内容。高级阶段为能够服务于空—地、地—空或空—空信道,实现空间链路层数据传输的高级在轨系统（Advanced Orbiting Systems,AOS）。AOS通过划分虚拟信道（Virtual Channel,VC）,可以在每条虚拟信道上传输来自星上不同信源的数据,汇成一条数据流后通过物理信道传输。因此虚拟信道调度问题成为AOS的热点内容,针对AOS虚拟信道调度问题,本文设计了两种算法对其进行研究。两种算法中,同步虚拟信道使用的调度算法相同,均为动态加权轮询调度算法,针对异步虚拟信道设计了两种不同的调度算法。算法一设计了基于遗传-粒子群排序的异步虚拟信道调度算法,粒子群算法为整体调度算法的框架,在此框架的基础上,结合遗传算法中的交叉、变异过程,将业务优先级约束、调度时延紧迫度约束和帧剩余量紧迫度约束考虑到混合粒子群适应度函数中,群体内的粒子根据遗传算法的进化算子进行自身位置的更新,注意自身和全局的变动,从而找到最优的异步虚拟信道调度顺序;算法二设计了基于Q学习的异步虚拟信道调度算法,通过行为编码、策略利用与探索增加虚拟信道排序的多样性,将以上三种约束考虑在奖赏函数中,并由Q值判断虚拟信道排序的好坏,经过多次训练后得出最优的异步虚拟信道调度顺序。仿真结果表明,本文所提出的基于遗传-粒子群排序的虚拟信道混合调度算法和基于Q学习的虚拟信道混合调度算法,均有更小的平均调度时延和更少的帧剩余量,满足多类型业务在高级在轨系统（AOS）的传输要求。