随着移动互联网的迅猛发展,通信业务种类不断增长造成网络流量持续上升,对传统网络资源分配问题提出巨大挑战。SDN和NFV技术增强了网络的灵活性和扩展性,通过网络切片能够为各种业务需求提供灵活的资源分配,在此过程中VNF的编排、部署和调度是非常关键的问题,决定了网络服务性能和用户体验优劣。同时,随着网络技术在生活中的广泛应用,人们对通信质量和数据隐私提出了更高的要求,于是SFC的安全问题就变得非常重要。因此,本文以VNF部署编排和安全性为重点,研究了基于强化学习算法的虚拟网络资源优化问题,通过高效的虚拟网络映射机制和网络切片可信部署编排机制实现了网络资源的合理高效利用,满足了用户业务的多样化需求。本文主要研究内容如下:（1）针对业务需求多样化,物理资源不能灵活分配问题,提出了基于Q学习算法的虚拟网络功能弹性部署方案,通过实时迁移出过载物理节点的VNF到其他节点或对VNF进行缩放来保障SFC的性能要求。该方案以最大限度减少服务功能链的延迟和能耗为目标,将VNF缩放问题建模为一个非线性优化问题,将该问题映射为一个强化学习过程,其中状态空间、动作空间、奖励函数分别定义为可用的CPU和链路资源、迁移或缩放决策、总成本开销的负相关。仿真结果表明,相较于基于贪婪的VNF缩放算法和随机选择算法,所提算法在减少处理SFC的延迟的同时提高了VNF请求成功缩放的比率。（2）针对在大规模异构网络场景中,资源配置面临的信任和自适应问题,提出了基于区块链技术和DDQN算法构建可信和自适应的SFC编排体系架构。涉及四个阶段:登录控制智能合约,对信息请求者的身份进行验证;SFC编排智能合约,驱动深度强化学习进行SFC编排;VNF部署和流量路由;交易上链智能合约,将SFC中VNFs的互连、属性和顺序信息存入区块链中。针对SFC编排阶段,提出了一种基于DDQN的SFC编排算法,以最大限度降低编排迁移成本为目标,同时考虑节点、链路、时延等资源的限制,建立相应的优化模型,利用DDQN算法进行求解,仿真结果表明,相较于基于DQN的SFC编排算法,所提算法收敛速度较快并且大大降低了SFC的编排时延。（3）基于Open Stack云平台对VNF-FG的服务功能链编排进行了实验验证,创建了一个包含2个虚拟网络功能的服务功能链,并搭建物理拓扑完成流表、数据流和链接等基本信息的配置。实验结果表明,该服务功能链部署后,网络流量能够按照预定的编排通过相应的VNF,证明了此SFC编排成功。