网络功能虚拟化（NFV）正在革新网络服务的设计和部署方式。与传统的网络相比,NFV概念虚拟化了网络功能（防火墙、入侵检测、代理服务器…）,因此它们可以托管在通用硬件（服务器/计算机/交换机）上。这些网络功能与专用硬件解耦,称为虚拟网络功能（VNF）。运行在基于NFV的网络提供了更大的灵活性,使得高效和可伸缩的资源得以利用,并降低了成本。因此运营商对放在数据中心或支持NFV的网络元素（如路由器和交换机）中的VNFs越来越感兴趣。另一方面,IP流量的快速增长刺激了光传输和交换技术的研究与开发,以经济高效地提供网络服务。一个著名的例子是引入弹性光网络（EON）。通过软件定义网络（SDN）技术的增强,可将重新配置的EON与VNF服务链相结合,可以大大提高网络灵活性,实现网络服务的灵活调度和高能效。本文首先研究了VNF服务链部署在基于SBVT的IP over EON网络问题。并且将该问题建立了一个整数线性规划（ILP）算法模型,我们分析了具有不同切片数量的基于SBVT的IP over EON网络场景,我们的算法求解目标是最小化网络总能耗。根据我们所提出来的算法模型,当VNF服务链部署在这个网络中,通过增大IP over EON网络中SBVT的可切片数量能显著地降低网络能耗。因此网络运营商结合VNF技术和IP over EON中的SBVT技术可以极大提高网络的能耗效率。然后针对整数线性规划算法复杂度太高,无法应用于大业务及大网络拓扑场景下的局限性。本文设计了两种基于深度强化学习的VNF服务链部署算法:DDQNPRVNF和DQNVNF。首先需要结合弹性光网络的特点去定义一个VNF服务链部署的强化学习模型,包括环境的状态设置,以及定义好动作和反馈函数。仿真结果表明,相比于对比算法,DDQNPRVNF和DQNVNF两种算法能有效降低网络能耗的同时,并减少网络传输时延。而且采用双Q网络和优先经验回放机制的改进后的DDQNPRVNF算法在降低能耗和时延的效果优于DQNVNF算法,实现了VNF部署时能耗-时延多目标优化。