El problema de programación de satélites de observación terrestre ágil (AEOSSP) es un problema de optimización combinatoria con restricciones dependientes del tiempo. Recientemente, se han propuesto muchos heurísticos de construcción y metaheurísticos; sin embargo, los métodos existentes no pueden equilibrar los requisitos de eficiencia y puntualidad. En este documento, proponemos una red neuronal de decisión basada en una red de atención gráfica (GDNN) para resolver el AEOSSP. Específicamente, primero representamos la tarea y las restricciones de transición de actitud dependientes del tiempo mediante un gráfico. Luego, describimos el problema como un proceso de decisión de Markov y realizamos ingeniería de características. Sobre esta base, diseñamos un GDNN para guiar la construcción de la secuencia de solución y lo entrenamos con la optimización de política proximal (PPO). Los resultados experimentales muestran que el método propuesto supera a los heurísticos de construcción en la programación de beneficios en al menos un 45%. El método propuesto también puede calcular los beneficios aproximados del método de vanguardia con un error de menos del 7% y reducir notablemente el tiempo de programación. Finalmente, demostramos la escalabilidad del método propuesto.