Este estudio propone un modelo de optimización colaborativa jerárquica basado en programación mixta entera (MIP-HCO) para optimizar la programación y ejecución de misiones de lanzamiento de emergencia, asegurando una respuesta rápida y maximización del rendimiento bajo tiempo y recursos limitados. La innovación clave radica en integrar el k-Nearest Neighbor (KNN) con Branch and Bound (B&B) para mejorar la eficiencia computacional y la optimalidad global. La primera capa construye un modelo de optimización espacio-temporal, considerando sitios de lanzamiento, proximidad de almacenamiento y duración del proceso. El algoritmo B&B resuelve la programación de la misión, mientras que una estrategia de ajuste dinámico optimiza la reutilización del vehículo de lanzamiento. La segunda capa perfecciona la selección de misiones basada en la evaluación de la contribución y re-optimiza la programación utilizando programación entera. La clasificación KNN aproxima la calidad de la programación, reduciendo la complejidad de B&B y acelerando la convergencia. Los resultados de los datos de simulación y las simulaciones experimentales confirman que la estrategia híbrida KNN + B&B optimiza la eficiencia de programación, permitiendo que los sistemas de lanzamiento respondan rápidamente ante emergencias mientras maximizan la efectividad de la misión.