論文の概要: Beyond LLM-GA: Secure Fluid Antenna Systems with ReEvo-Designed Memetic Algorithm

• arxiv url: http://arxiv.org/abs/2610.10235v1
• Date: Wed, 07 Oct 2026 15:20:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.990492
• Title: Beyond LLM-GA: Secure Fluid Antenna Systems with ReEvo-Designed Memetic Algorithm
• Title（参考訳）: LLM-GAを超えて:ReEvo-Designed Memetic Algorithmを用いたセキュア流体アンテナシステム
• Abstract要約: 大規模言語モデル (LLM) 支援遺伝的アルゴリズム (LLM-GAs) はこの安全なポート選択問題に対処できる。 反射進化(ReEvo)に基づくメメティックアルゴリズムを提案する。 提案アルゴリズムは,従来の GA や最先端の LLM-GA よりも高い安全性を実現する。
• 参考スコア（独自算出の注目度）: 9.682065428342584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fluid antenna systems (FASs) offer significant spatial flexibility, yet securing them against eavesdropping is critical for practical FAS deployment in military, satellite, and internet-of-things networks. Although large language model (LLM)-assisted genetic algorithms (LLM-GAs) can address this secure FAS port selection problem, whether further algorithmic improvement is possible warrants deeper investigation. To this end, we propose a memetic algorithm based on reflective evolution (ReEvo). Unlike the state-of-the-art LLM-GAs, which design only crossover or mutation operators with an LLM, our algorithm leverages an LLM to evolve dedicated crossover, mutation, and local-search operators offline. These operators are then embedded into a memetic search framework, thereby obviating any online LLM queries during execution. Simulation results at equal generation counts demonstrate that our proposed algorithm achieves a higher secure sum-rate than the conventional GA and the state-of-the-art LLM-GAs.
• Abstract（参考訳）: 流体アンテナシステム(FAS)は、空間的柔軟性に優れるが、盗聴防止は、軍事、衛星、インターネットにおける現実的なFAS展開にとって重要である。 大規模言語モデル(LLM-GAs)による遺伝的アルゴリズム(LLM-GAs)は、このセキュアなFASポート選択問題に対処できるが、さらなるアルゴリズム改良がより深い調査を保証できるかどうかを問うことができる。 この目的のために,リフレクティブ進化(ReEvo)に基づくメメティックアルゴリズムを提案する。 LLMを用いた交叉演算子や突然変異演算子のみを設計する最先端のLLM-GAとは異なり、我々のアルゴリズムはLLMを利用して、専用の交叉演算子、突然変異子、局所探索演算子をオフラインで進化させる。 これらの演算子は、メメティック検索フレームワークに組み込まれ、実行中にオンラインLLMクエリを妨害する。 シミュレーション結果から,提案アルゴリズムは従来のGAや最先端のLPM-GAよりも高い安全性を実現することが示された。

関連論文リスト

• Position: LLM Serving Needs Mathematical Optimization and Algorithmic Foundations, Not Just Heuristics [3.143753806123382]
  LLM推論はジェネリックよりも優れており、現在では数学的最適化とアルゴリズムの基礎が要求されている。 これらの汎用ポリシーは、LLM推論の特徴的な構造、-動的に増大するKVキャッシュメモリ、プリフィル・デコード位相非対称性、未知の出力長、連続的な制約を無視している。 いくつかのシナリオで成功するが、他のシナリオでは予測不可能に失敗するモデルよりも、さまざまなワークロードで保証可能なパフォーマンス保証を備えたアルゴリズムを開発する必要がある、と我々は主張する。
  論文  参考訳（メタデータ） (2026-05-02T06:31:11Z)
• Breaking Validity-Induced Boundaries to Expand Algorithm Search Space: A Two-Stage AST-Based Operator for LLM-Driven Automated Heuristic Evolution [0.0]
  LLM-AHDのための2段階構造に基づく進化演算子を提案する。 最初の段階では、コードの抽象構文木(AST)上で、クロスオーバーと突然変異を直接実行します。 第2段階では、LLMはこれらの無効コードを実行可能で高品質なコードに修復するために使用される。
  論文  参考訳（メタデータ） (2026-04-03T07:35:43Z)
• G-LNS: Generative Large Neighborhood Search for LLM-Based Automatic Heuristic Design [7.681872137995253]
  本稿では,Large Neighborhood Search(LNS)演算子を拡張した生成的進化的フレームワークを提案する。 G-LNSはLarge Language Models (LLMs)を活用して、密結合した破壊と修復のオペレータを共同開発する。 実験により、G-LNSは強力な古典解法と同様にLLMベースのAHD法よりも著しく優れていた。
  論文  参考訳（メタデータ） (2026-02-09T04:13:35Z)
• LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.35609820607923]
  大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。 LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。 LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
  論文  参考訳（メタデータ） (2025-08-16T02:00:57Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Designing Algorithms Empowered by Language Models: An Analytical Framework, Case Studies, and Insights [86.06371692309972]
  本研究では,大規模言語モデル(LLM)に基づくアルゴリズムの設計と解析のための分析フレームワークを提案する。 提案する枠組みは頭痛を緩和する試みとして機能する。
  論文  参考訳（メタデータ） (2024-07-20T07:39:07Z)
• Deep Learning Assisted Multiuser MIMO Load Modulated Systems for Enhanced Downlink mmWave Communications [68.96633803796003]
  本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。 ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。 本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-08T08:54:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。