由于原始设计的不完善,传统网络在灵活性、可管可控性等方面的问题随着互联网应用规模的急剧扩大变得愈发难以解决。为了从根源上解决传统网络在架构设计上的弊端,国内外启动了一系列重大项目对未来网络开展深入研究。智慧协同网络(SINET)作为一种新型网络架构,开创性地提出“三层”、“两域”体系模型,将负责数据路由和转发等实际功能的组件置于网络组件层,并通过资源适配层和智慧服务层的动态映射完成具体的网络服务。此外,随着人工智能技术的蓬勃发展,近年来学界和业界也越发关注如何用机器学习方法解决网络服务优化问题,将最新的智能技术与未来网络结合对推动智能网络的演进意义重大。本文在智慧协同网络体系下通过整合深度学习、强化学习等新兴人工智能技术,设计并实现一个服务策略优化系统,实现了对不同虚拟网络功能组件的服务策略优化。具体工作如下:首先,分析国内外对未来网络体系的研究现状,并介绍机器学习等人工智能技术在网络领域的应用现状,指出将智能技术与智慧协同网络整合的必要性和可行性。其次,对虚拟化智慧协同网络进行需求分析并对服务策略优化系统进行总体设计;设计网络特征获取模块,使系统具备从原始网络流量中获得高维特征的能力;在分析服务策略优化类型差异的基础上,设计监督学习和强化学习两类任务流程,并提出一种解决网络控制优化问题的强化学习建模方式。再次,对服务策略优化系统进行模块化实现。其中包采集、连接重建和特征引擎模块共同实现了网络特征的获取与维护;强化学习建模抽象类SinetEnv定义了网络控制优化问题的环境翻译方式。最后,本文通过搭建SINET原型系统对服务策略优化系统进行模块测试与场景实验。验证了包采集模块、连接重建模块和特征引擎的功能和性能;验证了服务策略优化系统在防火墙场景中的各部分功能和整体性能;在缓存服务优化场景中使用策略梯度方法训练获得用于缓存替换的SinetCache智能体,对比实验表明在实际场景中SinetCache的性能优于传统缓存替换算法。本文初步实现了 SINET架构下虚拟功能组件的服务策略优化系统,为SINET的智能化演进提供了基础和保证。