Para prevenir la proliferación de escombros espaciales y estabilizar el entorno espacial, la eliminación activa de desechos (ADR) ha ganado cada vez más atención pública. Considerando la complejidad de las operaciones espaciales y la viabilidad de las misiones de ADR, sería necesario programar el proceso de ADR para eliminar la mayor cantidad de desechos posible. Este documento presenta un problema de planificación de misión de eliminación activa de desechos, dedicado a generar un plan óptimo de eliminación de desechos para guiar el proceso de la misión. Según las características del problema, se establece un modelo matemático de problema del viajante dependiente del tiempo de dos capas, que implica la planificación de la secuencia de eliminación de desechos y la planificación de la trayectoria de transferencia. Posteriormente, se proponen dos métodos novedosos basados en aprendizaje automático para el problema de planificación de la misión de ADR, que incluyen un método de estimación basado en redes neuronales profundas (DNN) para aproximar los incrementos de velocidad óptimos de los encuentros perturbados de múltiples impulsos y un método basado en aprendizaje por refuerzo (RL) para optimizar la secuencia de eliminación de desechos y el tiempo de encuentro. Los resultados experimentales de diferentes escenarios de simulación han verificado la eficacia y superioridad del método propuesto, indicando el buen rendimiento para resolver el problema de planificación de la misión de eliminación activa de desechos.