针对服务功能链映射对网络时延和部署失败率的影响，提出了一种基于深度强化学习的服务功能链映射算法DQN-SFC。首先构建了一个多层次NFV管理编排架构，以满足算法对资源感知和设备配置的需求；然后基于马尔可夫决策过程建模，对SFC映射问题进行形式化描述；最后构建了一个深度强化学习网络，将网络平均时延和部署失败产生的运维开销作为奖惩反馈，经过训练后可根据网络状态决定虚拟网络功能的部署位置。通过仿真实验，对该算法的正确性和性能优势进行了验证。实验表明：与传统算法相比，该算法能有效降低网络平均时延和部署失败率，同时算法运行时间具有一定优势。

5G 网络下资源感知的服务功能链 协同构建和映射算法

针对网络功能虚拟化环境中底层网络物理节点随机失效导致网络服务中断问题，提出了一种兼顾网络服务可靠性和时延约束的服务功能链部署方法以保证网络服务的可靠性。首先提出一种相邻虚拟网络功能备份实例资源共享的备份机制和单路径与多路径混合的路由策略，然后对时延约束下服务功能链可靠性部署问题建立混合整数线性规划模型，并设计了基于K阶最短路径扩展的服务功能链部署算法。仿真结果表明，与现有方法相比，该方法降低了节点和带宽资源开销，并提高了网络服务请求接受率。