LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO高效的求解器可快速求解并分析结果。 §1 LINGO快速入门 当你在windows下开始运行LINGO系统时，会得到类似下面的一个窗口： 外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口，建立的模型都都要 在该窗口内编码实现。下面举两个例子

两阶段DEA模型 ，利用lingo计算的算例

2007年国赛A题、B题都有。每个题都有8、9篇优秀论文，大家可以有多篇参考。 下面是2007年B题一篇的部分摘要，做个示例。 公交查询系统的最佳乘车方案研究与设计 【摘要】 本文将站点实体间的线路选择抽象为图论最短路模型采用 0-1 整数规划表述。建 立直达数据库 Q 作为数据基库，根据用户需求建立不同目标的 0-1 规划模型运用邻接 算法与 Lingo 分别求解，最终方案集通过多目标分层序列排序输出到用户终端。 第一问，在数

针对运输成本不确定，客户需求不确定的多目标供应链网络设计（MO-SCND）问题，本文提出了一种新的两阶段优化方法。 根据风险中性和规避风险的标准，我们为SCND问题制定了两个目标。 针对所提出的MO-SCND问题，我们引入了两个解决方案概念，并用它们来定义模糊解决方案（MOVES）的多目标值。 MOVES的价值衡量模型中包含的不确定性的重要性，并有助于我们理解求解两阶段多目标优化模型的必要性。 当不确定的运输成本和客户需求加入了连续的可能性分布时，我们采用一种近似方法（AA）来计算两个目标函数的

本研究着重于不确定环境下的物流中心选址与分配问题。 在随机优化模型的基础上，提出了利用后悔模型形成的鲁棒优化模型。 然后，分析了鲁棒优化模型，随机优化模型和确定性优化模型之间的关系，并提出了两种算法：枚举法和遗传算法。 这两种算法的代码由Visual Studio 6.0上的Visual C ++实现。 代码中使用了优化软件Lingo 9.0来解决确定性优化模型和两阶段随机优化模型。 数值实验表明，该算法可以解决该问题。 此外，鲁棒优化模型的最优解对不同情况下的参数扰动不敏感，并且优于随机优化模