网络服务的提供与管理日益困难,网络功能虚拟化(Network Functions Virtualization,NFV)技术是解决这个问题的一种方法。NFV将网络功能与硬件分离,并将它们作为软件部署在通用服务器上。该技术可用于提高服务灵活性并保证用户数据的安全性。因此,NFV技术的许多问题被广泛研究。本文主要研究动态单域网络下兼顾负载均衡的动态服务功能链(Service Function Chaining,SFC)部署和动态多域网络下兼顾网络节能的动态SFC部署这两个问题。对于动态单域网络下兼顾负载均衡的动态SFC部署问题,本文提出了Q学习单域动态SFC部署算法,它结合了强化学习中的Q学习来解决问题。问题可以分解为两步解决,第一步,该算法中的强化学习模块负责备选路径集合的训练和输出,根据用户需求生成一些符合部署要求的路径,第二步,负载均衡模块负责对备选路径进行评分,考察其对网络负载均衡的影响,从备选路径集合中选择出最优解。解决问题的过程中,本文还对Q学习的模型建立与训练算法也针对问题进行了改进,大幅提高了训练效率,使算法适应动态网络变化。后续的仿真实验结果表明,该算法能够在较短的时间内输出近似最优解,实现了服务提供者利益最大化的目标,同时考虑了网络的负载均衡。对于动态多域网络下兼顾网络节能的动态SFC部署问题,本文提出了Q学习多域动态SFC部署算法,在前一个算法的成果上进行了升级。首先将多域网络进行分层,形成抽象的顶层网络和各子域网络,接着分别对这些网络进行Q学习的择路训练,当用户服务需求到来时,上下两层中各网络自行输出备选路径,然后考虑到子域隐私保护,各子域择路后上传的是经计算的模糊值,最后网络节能模块得到了各条路径的模糊值,计算取得总分后,输出最佳方案。经过仿真实验后,可得出该算法在成功保护子域隐私条件下,可以在较短时间内输出平均能耗较低的SFC部署方案,该算法拥有较高的部署成功率,进而保证了服务提供商的高利润。