방향성 과전류 계전기(DOCRs)의 협조(coordination)는 현대 전력 보호 시스템의 신뢰성과 견고성을 확보하는 데 핵심적인 역할을 한다. 다중 루프 전력 네트워크에서 최적의 계전기 협조를 달성하는 일은 계전기 동작 시간을 최소화하고, DG 통합의 영향을 고려하면서 time dial settings(TDS)와 plug settings(PS)를 최적 조정하는 것을 동시에 요구하는 복잡한 최적화 문제이다. 제안된 방법은 Quantum-Inspired Adaptive Walrus Optimization Algorithm(QIAWOA)을 사용하며, 이는 양자 영감 원리의 비율을 반영하도록 수정된 군집 기반 인공지능(AI) 기법으로서, 적응형 양자 회전 게이트(adaptive quantum rotation gates)와 같은 원리를 통합하여 탐색 동역학을 향상시키고 정밀한 계전기 협조를 용이하게 한다. QIAWOA의 성능은 IEEE 3, 8, 15-bus 시스템과, 다중모달 및 다목적 최적화 함수(MMOOF)를 포함하는 CEC 2020 벤치마크 스위트를 사용하여 검증된다. QIAWOA는 전역 최적해를 식별하는 데 있어 우수한 능력을 보이며, 계전기 동작 시간을 유의미하게 감소시키고 견고한 협조를 달성한다. 경험적 누적분포함수(CDF), 박스플롯, 히스토그램, 확률 플롯, 분위수-분위수(quantile–quantile, QQ) 플롯을 포함한 종합적인 통계 분석은 제안 방법의 신뢰성과 효율성을 뒷받침한다. 최첨단 자연 영감 기법들과의 비교 평가는 QIAWOA의 향상된 성능을 추가로 강조하며, 이를 복잡한 전력 네트워크에서 보호 시스템 성능을 개선하기 위한 강력한 도구로 자리매김한다.

능동 현가 시스템은 도로 교란 하에서 차량의 승차감과 주행 안정성을 향상시키는 데 핵심적이다. 그러나 이러한 시스템에서 고급 제어기의 매개변수를 튜닝하는 일은 차량 동역학의 비선형성으로 인해 여전히 복잡한 과제로 남아 있다. 본 연구는 사륜(quarter car) 능동 현가 모델의 제어를 두 가지 고급 제어기 구조—여과기를 포함한 비례적분미분(Proportional-Integral-Derivative with filter, PIDN)과 하이브리드 분수차 PI plus PD(Fractional Order PI plus PD, FOPI + FOPD) 제어기—를 사용하여 조사한다. 제어기 성능을 향상시키기 위해 최근 제안된 여섯 가지 메타휴리스틱 알고리즘—교육 경쟁 최적화(Educational Competition Optimizer, ECO), 이스케이프 최적화 알고리즘(Escape Optimization Algorithm, ESC), 파타 모르가나 알고리즘(Fata Morgana Algorithm, FATA), 제이슨 힐링 최적화(Jason Healing Optimization, JHO), 메모리, 진화적 연산자 및 국소 탐색 기반 개선 그레이 울프 최적화(Memory, Evolutionary Operator and Local Search Based Improved Grey Wolf Optimizer, MELGWO), 그리고 성게(Starfish) 최적화 알고리즘(Starfish Optimization Algorithm, SFOA)—을 매개변수 튜닝에 적용한다. MATLAB/Simulink 환경에서 수행한 시뮬레이션 결과는 ESC로 최적화된 FOPI + FOPD 제어기가 진동 억제에 있어 가장 효과적이며, 피크 오버슈트, 정착 시간, 제어 안정성 측면에서 기존 제어 및 퍼지 로직 기반 접근법을 유의미하게 능가함을 보여준다. 이러한 결과는 지능형 현가 시스템 설계를 위해 강건한 최적화 기법과 함께 적절한 제어기 구조를 선택하는 것의 중요성을 강조한다.