مع دخولنا عصر شبكات 6G، تكتسب إدارة وظائف الشبكة الافتراضية (Virtualized Network Functions - VNFs) أهمية متزايدة، حيث تُعتبر هذه الوظائف البرمجية بدائل حديثة للأجهزة التقليدية التي تسهم في تقديم خدمات مرنة وقابلة للتوسع. يُعتبر تقسيم سلاسل وظائف الخدمة (Service Function Chains - SFCs)، التي تُرتب كترتيب محدد من VNFs، عاملًا أساسيًا في تقديم الخدمات الشبكية المعقدة.

لكن، يواجه مجال تقسيم SFCs تحديات كبيرة. إذ يتوجب عليك أن تفكر في تنوع صفات المجالات المختلفة، بالإضافة إلى قيود جودة الخدمة (Quality of Service - QoS) والرؤية المحدودة لحالة الشبكة. لا تستطيع الطرق التقليدية للت优化 معالجة هذه التحديات بكفاءة، وتظهر الحلول المعتمدة على البيانات صعوبات في موازنة الكفاءة مع فهم العلاقات المعقدة بين VNFs.

لحل هذه المشكلات، نعرض هنا إطار عمل مدعوم بتقنية Transformer القائم على الممثل-الناقد (actor-critic) الذي يركز على تقسيم SFCs بشكل سلس. من خلال استخدام آلية الانتباه الذاتي (self-attention)، نتمكن من نمذجة العلاقات المعقدة بين VNFs، مما يسهل اتخاذ قرارات منسقة ومتوازية.

علاوةً على ذلك، ولتحسين استقرار التدريب وسرعة التقارب، نقدم استراتيجية استكشاف جديدة تُدعى <𝜖>-لوبي (𝜖-LoPe) بالإضافة إلى تعديل العائد غير المتناظر (Asymptotic Return Normalization).

أظهرت نتائج المحاكاة الشاملة أن المنهجية المقترحة تتفوق على الحلول الحالية الأخرى من حيث معدلات قبول الخدمة على المدى الطويل، واستخدام الموارد، والتوسع، مع تحقيق استنتاج سريع. إن هذا التطور قد يشكل نقطة تحول في كيفية إدارة الشبكات الافتراضية في المستقبل القريب.