LiSFC-Search: 面向非平稳漂移下的网络 SFC 优化的终身搜索

边缘云收敛正在重塑 5G/6G 和计算力网络（CPN）中的服务供应模式。服务功能链（SFC）需要在计算/带宽和端到端 QoS 约束下持续放置和调度虚拟网络功能（VNF）链。大多数 SFC 优化器假设网络是静态或平稳的，在面对引起非平稳图漂移的长期拓扑/资源变化（故障、升级、扩容）时会性能下降。我们提出了 LiSFC，一种 Lipschitz 终身规划器，通过 MDP 距离界限将 MCTS 统计信息跨漂移网络配置迁移。更准确地说，我们将问题形式化为一系列以底层网络图和约束为索引的 MDP，并定义一种\emph{图漂移}度量标准，以上界估计 LiZero MDP 距离。这使 LiSFC 能够借鉴 LiZero 框架中关于偏差和样本效率的理论保证，同时针对云网络收敛进行优化。随后，我们设计了\emph{LiSFC-Search}，一种面向 SFC 的统一 MCTS（UMCTS）程序，利用可迁移的自适应 UCT（aUCT）奖励，从先前 CPN 配置中复用搜索统计信息。关于合成 CPN 拓扑和 SFC 工作负载的初步结果表明，LiSFC 在 SFC 阻塞概率和尾部延迟方面均显著优于非迁移 MCTS 和纯学习基线，凸显其作为云网络收敛 AI/ML 基础组件的潜力。