安装与入门

欢迎使用 WaSHI (WebAssembly-backed, Solver-independent, High-level modeling Interface)。

WaSHI 为现代 TypeScript/JavaScript 生态系统带来了类似于 Python PuLP 和 Julia JuMP 的代数建模体验。无需繁琐的 C/C++ 本地编译环境，即可在浏览器、Node.js 等多端直接运行工业级 WebAssembly 求解器（HiGHS, Z3, GLPK）。

---

📦 安装

使用您偏好的包管理器安装：

npm

npm install @ohtaman/washi

pnpm

pnpm add @ohtaman/washi

yarn

yarn add @ohtaman/washi

bun

bun add @ohtaman/washi

可选求解器依赖

默认的 HiGHS 求解器已内置随包提供，开箱即用。若需使用 Z3（进行 SMT 逻辑与冲突诊断）或 GLPK，请安装相应的对等依赖：

# SMT 逻辑与不可行约束诊断
npm install z3-solver

# GLPK 求解器 (GPL-3.0)
npm install glpk.js

---

🚀 快速上手示例

以下是求解经典工厂生产资源分配问题的完整流程。

1. 引入核心类与标签函数

import { Model, expr, c, maximize } from "@ohtaman/washi";

2. 初始化模型实例

const model = new Model();

3. 定义决策变量

const x = model.integer("x", { lb: 0 });
const y = model.integer("y", { lb: 0 });

4. 设定目标函数

使用 maximize() 与 expr 标签模板字面量声明式设定目标函数：

// 最大化 30*x + 50*y
model.objective(maximize(expr`30 * ${x} + 50 * ${y}`));

5. 添加约束条件

使用 c 标签模板字面量与 constraint 添加不等式或等式约束：

model.constraint(c`${x} + 2 * ${y} <= 40`, "wood_capacity");
model.constraint(c`2 * ${x} + ${y} <= 50`, "labor_capacity");

6. 异步求解与结果获取

const result = await model.solve();

console.log("状态:", model.status); // "Optimal"
console.log("最优目标值:", model.objectiveValue); // 1100
console.log(`最优解: x = ${x.value}, y = ${y.value}`); // x = 20, y = 10