随着互联网的飞速发展以及硬件设备的更新换代,用户的网络需求也日益增加,运营商目前主要依靠架设大量中间件(Middle box)设备来实现用户的网络请求,为用户提供服务。但是由于中间件设备功能单一,再加之其受地理位置约束较大,这种模式越来越难以满足用户需求。网络功能虚拟化(Network Function Virtualization,NFV)技术的出现为运营商解决上述问题提供了新的办法,这种技术将原本由专有设备实现的功能利用软件来实现,将一条网络请求变成若干虚拟网络功能的有序排列,只需将其部署在标准的x86设备上,摆脱了传统中间件设备位置约束的影响,同时也省去了相关设备成本和维修成本,同时相比现有系统,性能也有了巨大的提升。人工智能(Artificial Intelligence,AI)技术正逐步影响着我们生活的各个方面,同时其也在促进着各行各业的发展,以前无法通过计算解决的问题,也开始通过人工智能的方法进行实现。人工神经网络(Artificial Neural Networks,ANN)作为一种典型的人工智能方法,通过模仿生物神经系统的工作原理,构建了一整套非线性信号处理系统,用于解决一些大规模复杂问题。该系统不仅在时间成本上有巨大的优化,而且还具有良好的并行处理能力。图神经网络(Graph Neural Network,GNN)是一种特别适合处理图问题的神经网络,自提出之日起,已经被应用到各种图相关问题中。图神经网络的工作原理以节点为单位,通过节点的属性和状态综合分析,产生目标输出。本文的主要内容如下:(1)在NFV问题中,目前比较多的是采用启发式算法,针对不同指标采取不同策略对服务功能链进行部署。但是,启发式算法容易陷入局部最优的困局中,其算法性能也不能达到特别优秀的程度,最重要的是其运算时间也相对较长,在处理大规模网络拓扑时这些缺点会被进一步的放大。因此本文利用图神经网络方法,根据网络拓扑中的信息对系统进行训练,使其可以自主部署服务功能链。(2)针对服务功能链部署问题中的节点资源和带宽资源浪费问题,同样利用图神经网络的方法,提出一种整合拆分算法,通过对节点的拆分和服务功能链的整合,提高对节点资源和带宽资源的利用率。