用ReEvo离线演化交叉、变异与局部搜索三种算子的模因算法，在多用户流体天线安全端口选择中取得高于GA与两种LLM-GA的安全和速率
核心概要
该工作针对多用户下行流体天线系统中联合安全端口选择与波束成形这一混合整数非凸问题，提出一种基于反思式演化（ReEvo）的模因算法：由大语言模型在离线阶段分别演化交叉、变异与局部搜索三类离散算子，并以安全WMMSE波束成形计算的安全和速率作为适应度，冻结后的算子在在线阶段无需任何LLM查询；在相同代数下，其安全总速率在全部测试发射功率点上均高于传统GA与两种仅设计单一算子的LLM-GA基线。
Fig. 1: Flowchart comparison of [ 13 ] and [ 14 ] with the proposed algorithm.
arXiv深度剖析
提出ReEvo设计的模因优化器，用LLM离线演化交叉、变异、局部搜索三类互补算子，并嵌入模因搜索框架，在线执行时不再调用LLM。 已有LLM-GA只演化单一算子：文献[13]仅设计交叉算子且无显式局部搜索、不以保密为目标，文献[14]仅设计单端口变异且面向非安全的max-min SINR；本工作覆盖全部离散搜索阶段。 以表格逐项对比三类LLM设计算子（变异、交叉、局部搜索）在[13]、[14]与本文中的有无，并说明三类算子分别训练、冻结后在线使用。
以安全WMMSE波束成形给出的安全和速率作为适应度，使算子选择直接由保密目标驱动，而非替代性的端口评分。 文献[13]的适应度为功率最小化、[14]为非安全多用户性能，本文的元适应度是内层GA使用该算子时在固定训练信道上取得的最佳安全和速率。 给出元适应度定义式（16），并说明其包含安全WMMSE优化；波束成形采用带保护的WMMSE过程，含回溯减半（至多20次尝试）、接受容差与30次迭代等终止条件。
在相同代数下，所提算法在全部测试发射功率点上取得最高的平均安全总速率，两种LLM-GA基线始终位于GA与所提算法之间。 相对传统GA与仅设计交叉或仅设计变异的LLM-GA，本文同时演化三类算子并加入系统化局部精化，从而在保密目标上取得更高值。 仿真在1 W与5 W等功率点报告了安全总速率及相对GA、LLM-GA-crossover[13]、LLM-GA-mutation[14]的增益；误差棒为20个每信道总速率的一个样本标准差，部分工作点上误差棒可见重叠。
给出面向安全端口选择的系统模型与问题形式化：在矩形FAS孔径的均匀端口网格上激活固定数目互异端口，同时设计端口选择矩阵与波束成形矩阵，最大化用户安全和速率。 将离散端口选择与连续波束成形的联合设计在被动窃听场景下统一为一个非线性混合整数非凸问题P1，并明确端口选择会同时改变所有用户与窃听者的采样信道。 给出可行性约束（每列选一个物理端口、所选端口互异）、发射功率约束、单用户译码下的SINR表达式与基于窃听信道构造的用户保密速率（式10），并指出P1为非线性混合整数非凸规划。
启示与展望
该结果面向多用户下行FAS、单天线用户与单个被动单天线窃听者、准静态信道，并假设基站拥有每条链路的完美瞬时CSI（窃听者CSI可能在其此前活跃时获得），因此可作为上界基准；在此设定下，离线演化三类算子、在线冻结执行的流程适用于需要在无LLM在线调用条件下求解安全端口选择的部署场景，例如军事、卫星与物联网网络。作者指出，向不完美或时延CSI以及更一般的多用户、多天线场景扩展属于未来工作。
原文以占位形式给出部分数值（如孔径尺寸、端口数、用户数、功率点处的具体速率与增益百分比），因此无法从文本中核对这些具体数字；图2与图3的曲线细节也未在正文中完整展开。误差棒在部分工作点可见重叠，说明基线间差异的统计稳健性仍需读者结合原始图表判断。此外，局部搜索会评估额外的单交换邻居，因此收敛曲线并不表明在运行时间或评估次数上更快收敛；波束成形部分给出的单调目标值收敛并非波束成形器或稳定点的收敛保证。