docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Monte-Carlo-Tree-Search-MCTS.md

@@ -2,7 +2,7 @@
 id: ALGO-MCTS-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [algorithm, ai, [[Search]], mcts, alphago, [[Reinforcement-Learning]], [[Game-Theory]]]
+tags: [algorithm, ai, [[Search|Search]], mcts, alphago, [[Reinforcement-Learning|Reinforcement-Learning]], [[Game-Theory|Game-Theory]]]
 last_reinforced: 2026-04-26
 ---
 
@@ -17,7 +17,7 @@ last_reinforced: 2026-04-26
     - **Selection:** 루트에서 시작하여 UCB1 값이 가장 높은 자식 노드를 따라 내려감.
     - **Expansion:** 탐색되지 않은 새로운 자식 노드를 트리에 추가.
     - **Simulation (Rollout):** 해당 노드에서 게임의 끝까지 무작위로 진행하여 승패(보상) 확인.
-    - **[[Backpropagation]]:** 시뮬레이션 결과를 경로상의 모든 부모 노드에 업데이트하여 가치 갱신.
+    - **[[Backpropagation|Backpropagation]]:** 시뮬레이션 결과를 경로상의 모든 부모 노드에 업데이트하여 가치 갱신.
 - **의의:** 휴리스틱 함수 없이도 복잡한 게임의 최적해를 찾을 수 있게 하여, 알파고를 포함한 현대 보드게임 AI 및 로봇 경로 계획의 핵심 기술이 됨.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 복잡한 문제 해결 시나리오(예: 다단계 코드 리팩토링 경로 탐색) 시, 각 단계의 잠재적 리스크와 이득을 평가하기 위해 MCTS 기반의 의사결정 시뮬레이션을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Markov-Decision-Process-MDP]], [[Reinforcement-Learning]], [[Monte-Carlo-Integration]], Search-Algorithms, [[Game-Theory]]
+- [[Markov-Decision-Process-MDP|Markov-Decision-Process-MDP]], [[Reinforcement-Learning|Reinforcement-Learning]], [[Monte-Carlo-Integration|Monte-Carlo-Integration]], Search-Algorithms, [[Game-Theory|Game-Theory]]
 - **Raw Source:** 10_Wiki/Topics/AI/Monte-Carlo-Tree-Search-MCTS.md