Generalisierung automatischer Codegenerierung für mathematisch-epidemiologische Modelle

Kurzfassung

In dieser Arbeit wurde ein Ansatz entwickelt, um den Prozess der Generierung von Python-Bindings für mathematisch-epidemiologische C++-Modelle schneller, generischer und wartbarer zu gestalten. Dazu wurden mehrere wesentliche Bestandteile umgesetzt. Erstens wurde eine Visualisierungskomponente eingebaut, die es ermöglicht, die Ergebnisse in den ASTs anschaulich darzustellen. Diese Komponente erleichtert sowohl die Analyse als auch die Nachvollziehbarkeit und bietet einen Mehrwert für die Validierung der Ergebnisse. Zweitens wurde die Parallelisierung der AST-Erstellung realisiert. Durch den Einsatz paralleler Verarbeitung konnte eine Reduktion der Gesamtlaufzeit erzielt werden, da mehrere ASTs gleichzeitig erstellt werden können. Dadurch lassen sich Informationen aus verschiedenen Dateien effizient nutzen. Drittens wurde der Scanner generalisiert, sodass nicht länger für jede zu generierende Funktion oder Klasse eine eigene Implementierung erforderlich ist. Stattdessen genügt es, die gewünschte Struktur in einem Dictionary anzugeben, woraufhin die Bindings, mithilfe der generalisierten und automatischen Template-Auswahl, generiert werden. Dadurch konnte der Entwicklungsaufwand reduziert und gleichzeitig die Erweiterbarkeit und Wartbarkeit des Systems verbessert werden. Zusammenfassend zeigt die Arbeit, dass durch die Kombination aus Parallelisierung und Generalisierung ein leistungsfähiges Paket entsteht, das sich flexibel an neue Anforderungen anpassen lässt.