为了应对业务需求和数据流量爆炸式增长,星地网络成为下一代移动通信的主流架构。虚拟网络功能（Virtual Network Function,VNF）迁移技术是保证服务功能链（Service Function Chain,SFC）编排与资源适配,提供业务定制化的关键使能之一。星地网络下的VNF迁移已成为新的研究热点。因此,本文以星地网络为研究背景,重点研究了星地网络下的VNF迁移策略,主要工作和创新点简述如下:1.针对卫星网络现有的VNF迁移策略存在VNF迁移决策与SFC路由调度缺乏协同,造成迁移目标选择效率低,导致SFC编排阻塞以及VNF迁移成本增加,提出一种软件定义卫星网络下的VNF迁移策略。该策略首先将VNF迁移决策与SFC路由调度的耦合纳入迁移约束,并结合星间链路通断性以及星上资源容量限制,以最小化VNF迁移成本为目标建立VNF迁移模型。其次,按照过载节点的计算资源需求量降序选择待迁移VNF集合;针对变量耦合问题,根据Dantzig-Wolfe分解原理转化原始迁移问题为迁移主问题和定价子问题,并通过迁移主问题与定价子问题的迭代列生成获取迁移方案。仿真结果表明,与已有策略相比,该策略可以降低迁移成本,减少迁移时延的同时均衡网络负载。2.针对基于资源阈值瞬时触发的VNF迁移机制趋于导致频繁迁移,造成额外迁移开销,网络资源利用率低的问题,提出一种星地融合网络下的VNF迁移策略。该策略首先根据VNF资源需求的连续特性评估下一时隙节点的过载概率及VNF资源需求量,设定负载均衡因子判定迁移触发的时机。其次,通过在SFC流约束、SFC端到端时延约束以及负载均衡因子限制的资源容量约束下,以网络能耗与迁移时延加权和为优化目标建立迁移开销最小化模型。由于迁移的序列决策特性,进而将其转化为离散时间马尔科夫决策过程（Markov Decision Process,MDP）,同时,为了克服VNF迁移过程中转移概率不确定和状态空间维度灾难问题,进一步采用深度强化学习算法求解MDP以获取VNF迁移方案。仿真结果表明,与传统迁移策略相比,该策略可以有效避免频繁迁移,减少迁移开销的同时提高计算资源利用率。