随着5G网络逐渐完成规模化商业部署,相关研究机构和商业公司已经开始对下一代移动通信网络6G进行研究。为了满足物联网和车联网等新兴网络技术的需要以及人类对于全方位信息生态的期待,“万物互联”成为下一代通信网络的愿景之一。因此,空天地一体化网络（Space-Air-Ground Integrated Network,SAGIN）作为一种新兴的网络架构受到广泛关注,通过融合天基网络、空中网络和地面网络,空天地一体网致力于实现全球无缝的网络连接。由于最初各网段被设计成分开运行所导致的异构性和时变性等特征,空天地一体网中的资源分配和服务编排问题面临许多挑战。软件定义网络（Software-Defined Network,SDN）和网络功能虚拟化（Network Function Virtualization,NFV）等技术的出现为异构网络的管理提供了希望。软件定义网络将网络的控制和转发分离,能够通过全局控制器对网络设备集中管理。网络功能虚拟化技术采用通用服务器替代传统专有硬件,大大提升了网络功能部署的灵活性和可扩展性。服务功能链（Service Function Chain,SFC）是通过执行一组指定顺序的网络功能从而满足特定的网络服务的技术。基于SDN/NFV的服务功能链技术有助于空天地一体网实现高效的资源分配和灵活的服务供应。借助上述新兴技术,本文针对空天地一体网中服务功能链编排问题做了以下研究:首先,本文研究了空天地一体网中基于深度强化学习方法的服务功能链部署问题。通过设计空天地一体网系统模型和服务功能链模型,并构造了受网络资源和服务请求等约束的长期收益相关的目标优化函数,将服务功能链部署问题建模为马尔可夫决策过程,提出了一种基于深度强化学习的服务功能链部署算法,通过智能体对空天地一体网的学习与互动而实现提升收益的目标。实验结果表明,提出的算法与传统算法相比在服务接受率和收入支出比方面都具有更好的表现。其次,本文研究了空天地一体网中联合联邦学习方法的服务功能链部署问题。针对空天地一体网在大规模的异构网络中高效地协调物理资源并实现灵活的服务供应的需要,本文提出使用联邦学习方法进行分布式训练。通过将空天地一体网划分成多个区域并且在每个区域内通过深度强化学习训练本地模型,实验结果表明通过降低服务延迟的方式提升了服务接受率和长期平均收入。