Study of python libraries for solving multi-criteria decision-making problems

Abstract

This paper is devoted to the systematisation and comparative analysis of Python libraries designed to solve multi-criteria decision-making problems. It examines the leading tools of the modern ecosystem: the pyDecision library, which offers over seventy MCDA methods with integration of large language models; the scikit-criteria module, which is built into the Python scientific stack and supported by an active developer community; the versatile pymcdm library, which is constantly evolving and has been featured in peer-reviewed scientific publications; the specialised crispyn package for determining the weighting of criteria using objective and subjective methods; the PySensMCDA tool for in-depth sensitivity analysis; the ProMCDA library for probabilistic uncertainty analysis; and the scikit-mcda module, which provides a simple interface to a wide range of methods. Recommendations are provided on selecting tools depending on the specific requirements of the task, particularly the range of methods, the need for sensitivity analysis, the consideration of uncertainty, the necessity of determining criterion weights, and integration with other libraries in the Python scientific stack.

Ця робота присвячена систематизації та порівняльному аналізу бібліотек Python, призначених для розв'язання задач багатокритеріального прийняття рішень. Розглянуто провідні інструменти сучасної екосистеми: бібліотеку pyDecision, яка пропонує понад сімдесят методів MCDA з інтеграцією великих мовних моделей; модуль scikit-criteria, вбудований у науковий стек Python та підтримуваний активною спільнотою розробників; універсальну бібліотеку pymcdm, яка постійно розвивається та була представлена в рецензованих наукових публікаціях; спеціалізований пакет crispyn для визначення ваг критеріїв за допомогою об'єктивних та суб'єктивних методів; інструмент PySensMCDA для поглибленого аналізу чутливості; бібліотеку ProMCDA для аналізу ймовірнісної невизначеності; а також модуль scikit-mcda, який надає простий інтерфейс до широкого спектру методів. Надано рекомендації щодо вибору інструментів залежно від конкретних вимог задачі, зокрема спектру методів, необхідності аналізу чутливості, врахування невизначеності, потреби у визначенні ваг критеріїв та інтеграції з іншими бібліотеками наукового стеку Python.