chore(wiki): reinforce knowledge batch #6-#10 (200 docs milestone)

10_Wiki/Topics/AI/Combinatorial-Optimization.md

@@ -1,32 +1,29 @@
 ---
-id: P-REINFORCE-AUTO-COOP-001
+id: COMB-OPT-001
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.94
-tags: [auto-reinforced, combinatorial-optimization, algorithms, complexity, search, heuristic]
-last_reinforced: 2026-04-20
+confidence_score: 1.0
+tags: [mathematics, algorithm, optimization, combinatorial-optimization, complexity]
+last_reinforced: 2026-04-26
 ---
 
-# [[Combinatorial-Optimization]]
+# [[Combinatorial Optimization (조합 최적화)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "최적의 조합 찾기 게임: 셀 수 없이 많은 이산적인 선택지 중에서 특정 목적(품질 최대화, 비용 최소화 등)을 가장 잘 만족시키는 하나의 조합을 찾아내는, 수학과 알고리즘이 결합된 궁극의 퍼즐 풀이."
+> "무수히 많은 선택지 중 최고의 조합을 효율적으로 골라내라" — 외판원 문제(TSP), 배낭 문제(Knapsack Problem)와 같이 가능한 조합의 수가 기하급수적으로 많을 때, 수학적 모델과 알고리즘을 통해 최적해 혹은 그에 가까운 근사해를 찾는 과정.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-조합 최적화(Combinatorial-Optimization)은 주어진 유한한 대상들의 집합에서 최적의 해를 찾는 과정입니다.
-
-1.  **주요 문제들**:
-    *   **Traveling Salesman Problem (TSP)**: 모든 도시를 한 번씩 방문하고 돌아오는 최단 경로 찾기. (Search-Optimization과 연결)
-    *   **Knapsack Problem**: 가방 무게 제한 내에서 가치가 최대가 되도록 물건 담기.
-    *   **Scheduling**: 여러 작업을 한정된 자원에 가장 효율적으로 배분하기. (Bottlenecks와 연결)
-2.  **해결 기법**:
-    *   **Exact Methods**: Brute-force(소규모), Dynamic Programming.
-    *   **Heuristics/Metaheuristics**: Genetic Algorithms, Simulated Annealing (적당히 좋은 해를 빠르게 찾기).
+- **추출된 패턴:** 탐색 공간이 이산적(Discrete)이고 방대하여 전수 조사가 불가능한 환경에서, 휴리스틱이나 동적 계획법 등을 통해 효율적으로 전역 최적해에 접근하는 탐색 패턴.
+- **주요 문제 및 기법:**
+    - **Traveling Salesperson Problem (TSP):** 모든 지점을 한 번씩 방문하고 돌아오는 최소 경로 찾기.
+    - **Knapsack Problem:** 제한된 용량 내에서 가치의 합이 최대가 되도록 물건 담기.
+    - **Linear Programming (LP) / Integer Programming (IP):** 제약 조건 하에서 선형 함수를 최적화.
+    - **Greedy Algorithms:** 매 순간 최선의 선택을 하여 빠르게 근사해 도달.
+    - **Dynamic Programming (DP):** 문제를 작은 단위로 쪼개어 중복 계산 방지.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 전산 자원의 한계로 인해 '포기하거나 아주 단순한 근사치만 구하는 정책'이 많았으나, 현대 정책은 양자 컴퓨팅이나 딥러닝 기반 '뉴럴 솔버 정책'을 통해 난공불락의 조합 문제를 정복하는 정책으로 도약함(RL Update).
-- **정책 변화(RL Update)**: 물류와 반도체 설계 정책을 넘어, 'AI 모델 가중치 조합 최적화 정책'과 '프롬프트 자동 조합 정책' 등 지능 시스템 내의 자원 할당 정책에 핵심적으로 사용됨.
+- **과거 데이터와의 충돌:** 고전적 알고리즘 위주에서, 최근에는 신경망(Neural Combinatorial Optimization)을 통해 복잡한 조합 문제를 학습 기반으로 해결하려는 시도가 활발함.
+- **정책 변화:** Skybound 프로젝트는 수십 개의 기체가 실시간으로 최적의 사격 대형을 형성해야 하는 군집 AI 로직에 조합 최적화 알고리즘을 적용하여 연산 효율을 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Brute-force]], [[Optimization]], [[Search-Optimization]], [[Bottlenecks]], [[Genetic-Algorithms]]
-- **Modern Tech/Tools**: Gurobi, CPLEX, Google OR-Tools, Metaheuristic frameworks.
----
+- [[Algorithm-Complexity-Big-O]], [[Genetic-Algorithms]], [[Simulated-Annealing]], [[Game-Theory]]
+- **Raw Source:** [[10_Wiki/Topics/AI/Combinatorial-Optimization.md]]