以空间碎片清除,在轨加注、维修等任务为代表的在轨服务是航天工程面对的实际问题,也是学术领域的研究热点。随着航天器数量的日益增多,考虑多个目标的在轨服务任务也更具有实际意义。航天器交会是在轨服务的基础。本论文以此为背景,研究了“一对多”服务模式下,多航天器的交会机动策略规划问题。其中,主要考虑了交会过程的燃料消耗和所用时间两方面指标。本文的主要研究成果包括:分析了不同情况下的多航天器交会问题,包括多航天器近距离交会,多航天器远距离共面交会以及多航天器远距离异面交会。根据不同情况制定了相应的机动方案以及规划求解方法。针对多航天器近距离交会机动策略规划,本文提出了一种两层优化求解的算法框架,包括上层的目标规划和下层的轨迹规划。解决了考虑燃料和时间的双目标优化问题。为克服传统CW制导存在的建模误差以及轨道摄动因素的影响,本文采用了迭代法对机动方案进行了修正,以实现近距离下两航天器的精确交会。此外,本文基于线性最优脉冲理论,应用迭代法求得给定时间下的最优线性交会轨迹。在上层的多目标优化算法中融入了机器学习的相关技术,使用前馈神经网络对优化指标进行回归分析,以实现模型代理、加速优化的作用。针对多航天器远距离共面交会机动策略规划,本文采用兰伯特机动作为制导方案,以燃料和时间作为规划指标。在结合具体的问题下,提出了一种多层分类的多目标进化算法框架。算法中结合了前馈神经网络以及随机森林这两种分类工具,对子代个体进行预选以提升优化效率。在进行多脉冲轨迹优化中,本文提出了一种差分进化算法与梯度下降法结合的文化基因优化框架。在与其他优化算法比较中,该方法体现出了更好的优化性能。针对多航天器远距离异面交会机动策略规划,本文提出了一种由两次霍曼转移组成的四脉冲交会机动方案。该机动方案下,服务航天器始终保持在固定的轨道面内运行,避免了调整轨道面造成的巨大燃料消耗。在交会规划中,本文以燃料消耗为优化的单一指标,将优化问题抽象为整数规划模型。结合具体问题,提出了一种遗传算法与动态规划相结合的混合算法,提升了算法的搜索效率。