1、代數(shù)建模語言

　　LINGO支持強(qiáng)大的基于集合的建模語言，使用戶能夠高效，緊湊地表達(dá)數(shù)學(xué)編程模型。使用LINGO的內(nèi)部腳本功能可以迭代地解決多個(gè)模型。

　　2、方便的數(shù)據(jù)選項(xiàng)

　　LINGO會(huì)花時(shí)間管理你的數(shù)據(jù)。它允許您構(gòu)建直接從數(shù)據(jù)庫和電子表格中提取信息的模型。同樣，LINGO可以將解決方案信息直接輸出到數(shù)據(jù)庫或電子表格中，使您可以更輕松地在您選擇的應(yīng)用程序中生成報(bào)告。模型和數(shù)據(jù)的完全分離增強(qiáng)了模型維護(hù)和可擴(kuò)展性。

　　3、交互式建�；騽�(chuàng)建交鑰匙應(yīng)用程序

　　您可以在LINGO中構(gòu)建和解決模型，也可以直接從您編寫的應(yīng)用程序中調(diào)用LINGO。為了以交互方式開發(fā)模型，LINGO提供了一個(gè)完整的建模環(huán)境來構(gòu)建，解決和分析模型。對于構(gòu)建交鑰匙解決方案，LINGO帶有可調(diào)用的DLL和OLE接口，可以從用戶編寫的應(yīng)用程序調(diào)用。還可以從Excel宏或數(shù)據(jù)庫應(yīng)用程序直接調(diào)用LINGO。目前，LINGO包括C/C++，F(xiàn)ORTRAN，Java，C#.NET，VB.NET，ASP.NET，VisualBasic，Delphi和Excel的編程示例。

　　4、豐富的文檔和幫助

　　LINGO提供您需要快速啟動(dòng)和運(yùn)行的所有工具。您可以獲得LINGO用戶手冊(打印出來并可通過在線幫助獲得)，該手冊全面介紹了該程序的命令和功能。超級版本及更高版本中還包含一份LINGO優(yōu)化建模副本，這是一個(gè)全面的建模文本，討論所有主要類別的線性，整數(shù)和非線性優(yōu)化問題。LINGO還提供了許多基于實(shí)際情況的示例供您修改和擴(kuò)展。

　　5、強(qiáng)大的求解器和工具

　　LINGO提供全面的快速內(nèi)置求解器，用于線性，非線性(凸和非凸)，二次，二次約束和整數(shù)優(yōu)化。您不必指定或加載單獨(dú)的求解器，因?yàn)長INGO會(huì)讀取您的配方并自動(dòng)選擇合適的配方。LINGO中可用的求解器和工具的一般描述如下：

　　6、一般非線性求解器

　　LINGO提供了一般的非線性和非線性/整數(shù)能力。為了在LINDOAPI中使用非線性功能，需要非線性許可選項(xiàng)。

　　7、全球求解器

　　全局解算器在分支定界框架內(nèi)結(jié)合了一系列范圍界限(例如，區(qū)間分析和凸分析)和范圍縮減技術(shù)(例如，線性編程和約束傳播)，以找到經(jīng)證明的非凸非線性程序的全局解決方案。傳統(tǒng)的非線性求解器可能會(huì)陷入次優(yōu)的局部解。使用全局求解器時(shí)不再是這種情況。

　　8、Multistart求解器

　　多點(diǎn)解算器智能地在NLP和混合整數(shù)NLP的解空間中生成候選起始點(diǎn)序列。傳統(tǒng)的NLP解算器被稱為每個(gè)起點(diǎn)以找到局部最優(yōu)。對于非凸NLP模型，多層解算器找到的最佳解決方案的質(zhì)量往往優(yōu)于傳統(tǒng)非線性求解器的單解決方案。用戶可調(diào)參數(shù)控制要執(zhí)行的最大數(shù)量的多段。

　　9、障礙解算器

　　障礙解算器是解決線性，二次和二階錐問題的另一種方法。LINGO最先進(jìn)的屏障方法實(shí)現(xiàn)為大規(guī)模，稀疏模型提供了巨大的速度優(yōu)勢。

　　10、單純形求解器

　　LINGO提供了原始和雙重單純形法的兩種高級實(shí)現(xiàn)，作為解決線性規(guī)劃問題的主要手段。其靈活的設(shè)計(jì)允許用戶通過改變幾個(gè)算法參數(shù)來微調(diào)每種方法。

　　11、混合整數(shù)求解器

　　LINGO的混合整數(shù)求解器的能力擴(kuò)展到線性，二次和一般非線性整數(shù)模型。它包含若干先進(jìn)的解決方案技術(shù)，如切割生成，樹狀重新排序以動(dòng)態(tài)減少樹木生長，以及先進(jìn)的啟發(fā)式和預(yù)先解決策略。

　　12、隨機(jī)求解器

　　隨機(jī)規(guī)劃求解器通過具有追索性的多階段隨機(jī)模型為不確定條件下的決策提供了機(jī)會(huì)。用戶通過識別分配函數(shù)來描述不確定性，無論是內(nèi)置的還是用戶定義的，都描述了每個(gè)隨機(jī)變量。隨機(jī)求解器將優(yōu)化模型以最小化初始階段的成本加上在規(guī)劃時(shí)間范圍內(nèi)的未來追索行動(dòng)的預(yù)期成本。先進(jìn)的采樣模式也可用于近似連續(xù)分布。

　　13、模型和解決方案分析工具

　　LINGO包含一套全面的分析工具，用于調(diào)試不可行的線性，整數(shù)和非線性程序，使用先進(jìn)的技術(shù)將不可行性源與原始約束的最小子集分開。它還具有執(zhí)行靈敏度分析的工具，以確定最佳基礎(chǔ)對某些數(shù)據(jù)成分(例如目標(biāo)向量和右手大小值)變化的敏感性。

　　14、二次識別工具

　　QP識別工具是一種有用的代數(shù)預(yù)處理器，可自動(dòng)確定任意NLP是否實(shí)際上是凸二次模型。然后可將QP模型傳遞給更快的二次求解器，該求解器可用作勢壘求解器選項(xiàng)的一部分。當(dāng)障礙解算器選項(xiàng)與全局選項(xiàng)結(jié)合使用時(shí)，除了凸二次模型之外，LINGO還會(huì)自動(dòng)識別二階錐體模型。

　　15、線性化工具

　　線性化是一種全面的重構(gòu)工具，可自動(dòng)將許多非平滑函數(shù)和運(yùn)算符(例如，最大值和絕對值)轉(zhuǎn)換為一系列線性數(shù)學(xué)等價(jià)表達(dá)式。許多非光滑模型可能完全線性化。這使得線性求解器能夠快速找到一個(gè)全局的解決方案，否則這將是一個(gè)難以解決的非線性問題。