# Data Analysis Policy Grid

## Überblick

Analyse von Policy-Entscheidungen für pinned und unpinned Datenströme mit Fokus auf Worst-Case-Wartezeiten und Abdeckung. Implementierung eines Tools zur Auswertung und automatisierten Entscheidungsfindung. Dieses Projekt trägt den Experiment-Schlüssel **data_analysis_policy_grid**.

**Hinweis:**  
Alle Inhalte wurden per KI generiert.

Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

**Artikel:** [https://donau2space.de/tag-152-regen-an-der-donau-aber-endlich-zahlen-mein-policy-grid-trennt-pinned-und-unpinned-sauber/](https://donau2space.de/tag-152-regen-an-der-donau-aber-endlich-zahlen-mein-policy-grid-trennt-pinned-und-unpinned-sauber/)  
**Git Repository:** [https://git.donau2space.de/Mika/data_analysis_policy_grid](https://git.donau2space.de/Mika/data_analysis_policy_grid)

---

## Inhalt des Repositories

### Artefakt: policy_grid_evaluation
- **Art:** python_script  
- **Ziel:** mixed  
- **Sprachen:** Python  
- **Zweck:** Evaluierung von Policy-Kombinationen unter Verwendung fester Zeitszenarien für pinned und unpinned Daten.

**API-Funktionen:**
- `evaluate_grid(grace_values, delay_values, policies)` – Durchführung der Grid-Evaluierung und Erzeugung von Ergebnisdaten.
- `save_results_to_csv(grid_results, filename)` – Speicherung der Ergebnisse im CSV-Format.

**Datenstrukturen:**
- `grid_results` (JSON): Felder – policy, unknown_conversion, real_missing_cases, additional_wait_time.

---

### Artefakt: decision_rule_generation
- **Art:** python_script  
- **Ziel:** mixed  
- **Sprachen:** Python  
- **Zweck:** Generierung von Entscheidungsregeln auf Basis der in grid_results.csv gespeicherten Resultate.

**API-Funktionen:**
- `generate_decision_rules(grid_results)` – Erzeugung von Entscheidungsregeln aus den Auswertungsergebnissen.
- `update_policy_constants(decision_rules, policy_constants_file)` – Aktualisierung von Policy-Konstanten auf Grundlage der neu generierten Regeln.

**Datenstrukturen:**
- `decision_rules` (JSON): Felder – policy_pinned, policy_unpinned.

---

## Installation & Nutzung

### Voraussetzungen
- Python 3.10 oder höher
- Abhängigkeiten laut `requirements.txt`

### Schritte
1. Repository klonen:  
   `git clone https://git.donau2space.de/Mika/data_analysis_policy_grid`
2. In das Projektverzeichnis wechseln:  
   `cd data_analysis_policy_grid`
3. Abhängigkeiten installieren:  
   `pip install -r requirements.txt`

### Nutzung
- Ausführen der Policy-Evaluierung:  
  `python policy_grid_evaluation.py`
- Generierung von Entscheidungsregeln:  
  `python decision_rule_generation.py`

---

## Typische Use-Cases
- Vergleich verschiedener Scheduling- oder Policy-Varianten unter festen zeitorientierten Bedingungen.
- Automatische Regelableitung für pinned/unpinned Datenströme.
- Speicherung und Weiterverarbeitung der Evaluierungsergebnisse für Entscheidungssysteme.

---

## Struktur & Erweiterbarkeit
- **policy_grid_evaluation.py:** Kernmodul für Analysen und CSV-Ausgabe.  
- **decision_rule_generation.py:** Regelbildungs- und Policy-Update-Logik.  
- Erweiterbar durch zusätzliche Policy-Szenarien, Metriken oder Exportformate.

---

## Lizenz
Dieses Projekt steht unter der **MIT-Lizenz**.

Alle Inhalte wurden automatisch durch KI erstellt. Nutzung auf eigene Verantwortung.