La computación satelital representa un paradigma computacional reciente en el desarrollo de satélites en órbita baja terrestre (LEO). Su objetivo es aumentar las capacidades de los satélites LEO más allá de sus actuales funciones de retransmisión transparente, permitiendo el procesamiento en tiempo real y, por lo tanto, proporcionando servicios computacionales de baja latencia a los usuarios finales. En las constelaciones LEO, se orquesta un despliegue significativo de satélites con capacidad computacional para ofrecer recursos computacionales mejorados. Surgen desafíos en la asignación óptima de servicios terminales al satélite más adecuado debido a la superposición de cobertura entre satélites vecinos, agravada por las limitaciones en la energía y los recursos computacionales de los satélites. El problema de asignación de servicios satelitales (SSA) se reconoce como NP-difícil, sin embargo, evaluar los métodos de asignación a través de resultados permite la aplicación de aprendizaje por refuerzo profundo (DRL) para obtener soluciones mejoradas, abordando parcialmente el desafío de SSA. En este artículo, introducimos un modelo de capacidad de computación satelital para cuantificar los recursos computacionales de los satélites. Se propone un modelo de DRL para abordar las demandas de servicio, los recursos computacionales y resolver conflictos de asignación de servicios, colocando estratégicamente cada servicio en servidores apropiados. A través de experimentos de simulación, los resultados numéricos demuestran la superioridad de nuestro método propuesto sobre enfoques de referencia en la asignación de servicios y la utilización de recursos satelitales, mostrando avances en este campo.