我在过去几年中开发的模拟工具是用C ++编写的，目前有一个tcl解释的前端。编写它可以在交互式shell中运行，也可以通过传递输入文件。无论哪种方式，输入文件都是用tcl编写的（我添加了许多其他特定于仿真的命令）。这允许非常强大的输入文件（例如，当运行monte-carlo sims时，随机分布可以直接在输入文件中编程为tcl过程）。
不幸的是，我发现与更现代的解释语言相比，tcl解释器变得有限，而且它的语法似乎有点神秘。由于计算引擎被编写为具有c兼容API的库，因此编写替代前端应该很简单，而我正在考虑转移到新的解释器，但是我有一点时间选择（主要是因为我没有很多解释语言的经验）。我开始探索的选项如下：
保留tcl：
优点：
- 无需更改现有代码
- 现有输入文件保持不变。 （虽然我可能会保留tcl前端作为选项）
- 成熟的语言，有很多社区支持
缺点：
- 感觉受语言语法的限制。
- 收到用户对学习难度的投诉。
的Python：
优点：
- 现代翻译，已知效率很高。
- 大型，活跃的社区
- 众所周知的科学和数学模块，如scipy
- 常用于学术科学/工程界（我的代码的典型用户）
缺点：
- 我从来没有使用它，因此需要时间来学习语言（这也是一个专业人士，因为我已经有一段时间学习python的意思了）
- 严格格式化输入文件（缩进等）。
Matlab的：
优点：
- 非常省电和广泛使用的数学工具
- 强大的内置可视化/绘图
- 可扩展，通过社区提交的代码，以及商业工具箱
- 科学/工程学院的许多人都熟悉并熟悉matlab
缺点：
- 无法作为可执行文件分发 - 需要是附加组件/工具箱
- 需要（？）matlab编译器（这是pricy）
- 需要Matlab，这也很昂贵。
这些优点和缺点是我能够想到的，尽管我对解释语言的总体经验很少。我很想听到我在这里提出的解释器的任何想法，如果列出的这些优点/缺点是合法的，以及我没有想过的任何其他解释器（例如，php是否适合这样的事情？lua ？）。在代码中嵌入解释器的第一手经验绝对是一个优势！
答案 0 :(得分：5)
我是预先发布的强大的Tcl / Tk支持者，直到我用它做了一个大的项目，发现它是多么难以维护。不幸的是，由于原型在Tcl中非常容易，你最终会使用“一次性”脚本来承担自己的生活。
在过去的几个月中采用了Python，我发现它是Tcl所承诺的全部内容。正如许多Python退伍军人可以告诉你的那样，源缩进最多只是第一个小时的麻烦，然后它似乎不是一个障碍，但肯定有帮助。顺便提一下，Tcl的作者John Ousterhout因为编写了一种迫使One True Brace Style使用Tcl编码器的语言而受到赞扬和反对（我是1TBS所以我很好）。
Python没有很好处理的唯一Tcl构造是任意eval "${prefix}${command} arg"构造，不应该在Tcl中使用但是和uplevel类型语句（这是个好主意但是为一些毛茸茸的代码而制作）。事实上，Python对动态eval感到有点敌对，但我认为这是一件好事。不幸的是，我还没有使用一种语言来接受它的GUI以及Tcl / Tk; Tkinter在Python中完成了这项工作但却很痛苦。
我根本不能和Matlab说话。
有了几个月的Python，我几乎肯定会将正在开发中的任何Tcl程序移植到Python中，以达到理智的目的。
答案 1 :(得分：3)
你考虑过使用Octave吗？从我收集到的内容来看，它几乎是matlab大部分内容的替代品。这可能允许您为拥有它的人支持matlab，并为那些没有它的人提供免费替代方案。由于您的程序的“肉”似乎是用另一种语言编写的，因此性能考虑因素似乎不如提供具有以下特性的环境那样重要：绘图和可视化功能，跨平台，具有庞大的用户群，以及几乎所有学术界和/或模型流体流动的人都可能已经知道这种语言。 Matlab / Octave可能具备所有这些功能。
答案 2 :(得分：0)
好吧，除非有任何其他建议，我得出的最终答案是使用Python。
我认真考虑过matlab / octave，但是在阅读octave API和matlab API时，它们的不同之处在于我需要为每个API构建单独的接口（或者用宏来创造非常有创意的接口）。使用python，我最终会为前端提供一个更容易维护的代码库，并且几乎我们所知道的每个人都会使用它。感谢大家的提示/反馈！