传统的移动边缘计算（Mobile Edge Computing,MEC）各业务模块高度耦合,在实际系统中难以部署、扩展和维护。近年来,微服务作为一种协作化和自治化的服务体系逐渐成为人们关注的焦点。为了促进网络边缘环境通用化、开放化和灵活化,越来越多的研究结合微服务与MEC架构,将传统的单体业务解耦成一组微服务部署在边缘服务器上,并为用户请求规划访问这些微服务的路由,以更好地提供服务。然而,现有研究通常将微服务部署与请求路由看作两个独立的问题,忽略了两者之间的相互影响。基于此,本文重点研究在不同边缘云场景中微服务部署与请求路由的联合优化问题,包括如下两部分:（1）在单边缘云场景下,以系统运行功率、带宽、计算资源为约束,根据排队论建立了以最小化系统平均响应时延为优化目标的问题模型。基于传统的贪婪随机自适应搜索过程的思想,提出一种初始解构造-局部搜索的两阶段贪婪随机禁忌搜索算法对微服务部署方案与请求路由方案进行联合优化。在每次迭代中,算法首先构造微服务部署方案,并基于此构造请求路由方案;随后,采用自适应步长的禁忌搜索算法,以一种联合的方式同时优化部署方案与请求路由方案。仿真表明,所提算法能够有效降低平均响应时延,减小网络带宽消耗,保证服务器间负载均衡。（2）在多边缘云场景下,建立了平均响应时延最小化问题模型,充分考虑边缘云的隐私性以及请求跨边缘云传输对网络造成的影响。鉴于场景的复杂性与动态性,提出一种基于改进的深度Q网络联合优化算法对微服务部署与请求路由问题进行联合求解并优化。算法以微服务部署方案的改变作为智能体的动作,基于部署方案引入最佳匹配递减算法来构造请求路由,利用完整的微服务部署与请求路由联合方案计算奖励并进行后续的网络训练。实验表明,该算法具有良好的收敛性能,与其他算法相比,能有效降低响应时延,减少系统运行功率。