[G1-Sync] Manual knowledge update

10_Wiki/Topics/Greedy-Algorithms.md

@@ -2,7 +2,7 @@
 id: CS-GREEDY-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [computer-science, algorithms, greedy-algorithm, optimization, search-strategies]
+tags: [computer-science, algorithms, greedy-algorithm, [[Optimization]], [[Search]]-strategies]
 last_reinforced: 2026-04-26
 ---
 
@@ -16,14 +16,14 @@ last_reinforced: 2026-04-26
 - **핵심 특징:**
     - **Local Optimum:** 각 단계에서의 최선의 선택.
     - **No Backtracking:** 한 번 내린 결정은 번복하지 않음.
-    - **Efficiency:** 동적 계획법(DP)보다 연산 속도가 압도적으로 빠름.
+    - **[[Efficiency]]:** 동적 계획법(DP)보다 연산 속도가 압도적으로 빠름.
 - **적용 사례:** Dijkstra의 최단 경로 알고리즘, Prim/Kruskal의 최소 신장 트리(MST), 허프만 코딩(Huffman Coding), 거스름돈 문제.
 - **한계:** 모든 문제에서 전역 최적해(Global Optimum)를 보장하지는 않으므로 사용 전 수학적 검증이 필요함.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌:** 완벽한 정답(Optimal Solution)만을 추구하던 경직된 사고에서, 실시간성이나 연산 자원이 중요한 환경에서는 '충분히 좋은 해(Heuristic)'를 빠르게 찾는 탐욕적 방식이 더 현실적일 수 있음을 인정.
+- **과거 데이터와의 충돌:** 완벽한 정답(Optimal [[Solution]])만을 추구하던 경직된 사고에서, 실시간성이나 연산 자원이 중요한 환경에서는 '충분히 좋은 해(Heuristic)'를 빠르게 찾는 탐욕적 방식이 더 현실적일 수 있음을 인정.
 - **정책 변화:** Antigravity 프로젝트의 실시간 지식 임베딩 클러스터링 알고리즘은 연산 부하를 줄이기 위해 일부 단계에서 탐욕적 접근 방식을 채택하여 빠른 반응성을 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Global-vs-Local-Optima]], Search-Algorithms, [[Heuristic-Search]], Dynamic-Programming-Foundations
+- [[Global-vs-Local-Optima]], Search-Algorithms, [[Heuristic-Search]], [[Dynamic-Programming]]-Foundations
 - **Raw Source:** 10_Wiki/Topics/AI/Greedy-Algorithms.md