[G1-Sync] Manual knowledge update

10_Wiki/Topics/Resource-Allocation.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-REAL-001
+id: [[P-Reinforce]]-AUTO-REAL-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
-tags: [auto-reinforced, resource-allocation, efficiency, optimization, priority, project-management, economics]
+tags: [auto-reinforced, resource-allocation, [[Efficiency]], [[Optimization]], priority, project-[[Management]], economics]
 last_reinforced: 2026-04-20
 ---
 
@@ -15,14 +15,14 @@ last_reinforced: 2026-04-20
 자원 배분(Resource-Allocation)은 특정한 목적을 달성하기 위해 이용 가능한 자원을 최적으로 배치하는 과정입니다.
 
 1.  **결정 원칙**:
-    *   **Pareto Principle**: 핵심 승부처에 자원을 집중. (Pareto-Principle와 연결)
-    *   **Opportunity Cost**: A에 자원을 쓸 때 포기해야 하는 B의 가치 고려. (Opportunity-Cost와 연결)
+    *   **Pareto Principle**: 핵심 승부처에 자원을 집중. ([[Pareto-Principle]]와 연결)
+    *   **Opport[[Unity]] Cost**: A에 자원을 쓸 때 포기해야 하는 B의 가치 고려. ([[Opportunity-Cost]]와 연결)
     *   **Dynamic Reallocation**: 상황 변화에 따라 실시간으로 자원 위치 조정.
 2.  **왜 중요한가?**:
     *   무한한 자원을 가진 조직은 없으며, 승리는 자원의 양이 아니라 '배분의 정교함'과 '집중력'에서 나오기 때문임. (Management의 본질)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 사전에 짠 예산 정책(Fixed Budget)에 따라 기계적으로 배분했으나, 현대 정책은 성과 데이터 정책을 실시간으로 보며 자원을 유동적으로 옮기는 '알고리즘 기반 동적 배분 정책'으로 진화함(RL Update).
+- **과거 데이터와의 충돌**: 과거에는 사전에 짠 예산 정책(Fixed [[Budget]])에 따라 기계적으로 배분했으나, 현대 정책은 성과 데이터 정책을 실시간으로 보며 자원을 유동적으로 옮기는 '알고리즘 기반 동적 배분 정책'으로 진화함(RL Update).
 - **정책 변화(RL Update)**: 클라우드 연산 정책에서도 AI 모델의 크기에 따라 GPU 자원을 동적으로 할당하는 '자율적 컴퓨팅 정책'이 비용 효율성 정책의 핵심이 됨. (Efficiency와 연결)
 
 ## 🔗 지식 연결 (Graph)