⑴LINGO是一款功能强大的数学建模软件，集线性和非线性于一体，建模速度快、功能齐全，在教学、科研等行业都得到了广泛的应用。新版本更是带来大量实用功能更新，集成了一个强大的表达优化模型语言包，功能全面的创建和编辑问题的环境以及一组快速内置求解器。
⑵、方便的模型表达：LINGO将帮助您节省您的开发时间。它让您以一种高度的可读形式来快速公式化您的线性，非线性和整数问题。LINGO的建模语言允许您使用汇总和下标变量以一种易懂的直观的方式来表达模型，非常类似您在使用纸和笔。模型更加容易构建，更容易理解，因此也更容易维护。
⑶、方便的数据选项：LINGO让您管理您的数据不再费时间和麻烦。它允许您直接从数据库和电子表格程序中提取数据来构建模型。同样的，LINGO能够直接输出解答信息到数据库或电子表格程序中，使得您能够在您选择的应用程序中生成报告。
⑷、众多的内置函数：LINGO自带了众多的函数，包含大量数学，财经，集合，概率密度，接口，报告等函数。
⑸、方便的数据选项：收集模型数据并转换成一个合适的格式通常是一件很让人头疼和很花时间的任务，但是有了LINGO您能够直接以多种方便的格式来管理您的数据。
⑹、电子表格程序能力：电子表格程序是今天用来保存数据的最常用和方便的工具之一。同样它们也是呈现您模型生成结果的非常有用的工具。LINGO直接链接到电子表格程序的能力允许您充分利用电子表格程序环境的功能和灵活性。
⑺、数据库能力：数据库是要管理大量信息的首选工具。LINGO使用ODBC技术来允许您访问在任何常用Windows数据库应用程序中的集合信息和数据。在您的模型中使用单个声明，您能够在LINGO和数据库应用程序中转换数据。
⑻、代数建模语言：支持一种强大的，基于集合的建模语言，该语言允许用户高效而紧凑地表达数学编程模型。使用LINGO的内部脚本功能可以迭代解决多个模型。
⑼、便的数据选项：花费时间和精力来管理数据。它使您可以构建直接从数据库和电子表格中提取信息的模型。同样，LINGO可以将解决方案信息直接输出到数据库或电子表格中，从而使您更轻松地在自己选择的应用程序中生成报告。模型和数据的完全分离增强了模型的维护和可伸缩性。
⑽、交互式建模或创建交钥匙应用程序：您可以在LINGO中构建和求解模型，也可以直接从编写的应用程序中调用LINGO。为了以交互方式开发模型，LINGO提供了一个完整的建模环境来构建，求解和分析您的模型。对于构建交钥匙解决方案，LINGO带有可调用的DLL和OLE接口，可以从用户编写的应用程序中调用它们。也可以直接从Excel宏或数据库应用程序中调用LINGO。 LINGO当前包括C / C ++，FORTRAN，Java，C#.，VB.，ASP.，Visual Basic，Delphi和Excel的编程示例。
⑾、广泛的文档和帮助：提供了快速启动和运行所需的所有工具。您将获得LINGO用户手册（印刷版，可通过在线帮助获得，该手册全面描述了该程序的命令和功能。超级版本和更大版本中还包括LINGO优化建模的副本，这是一份全面的建模文本，讨论了线性，整数和非线性优化问题的所有主要类别。 LINGO还提供了许多基于现实世界的示例，供您修改和扩展。
⑿、强大的求解器和工具：可提供一组全面的快速内置求解器，用于线性，非线性（凸和非凸，二次，二次约束和整数优化。您无需指定或加载单独的求解器，因为LINGO会读取您的公式并自动选择合适的求解器。 LINGO中可用的求解器和工具的一般说明如下：
⒀、通用非线性求解器：提供一般的非线性和非线性/整数功能。为了使用LINDO API的非线性功能，需要使用非线性许可选项。
⒁、全局求解器：全局求解器在分支定界框架内结合了一系列范围边界（例如区间分析和凸分析和范围缩小技术（例如线性规划和约束传播，以找到经过验证的非凸非线性程序的整体解。传统的非线性求解器可能会卡在次优的局部解中。使用全局求解器时，情况不再如此。
⒂、多启动求解器：多起点求解器在NLP和混合整数NLP的求解空间中智能地生成候选起点序列。每个起点都需要调用传统的NLP求解器，以找到局部最优值。对于非凸NLP模型，多起点求解器发现的最佳解决方案的质量往往优于传统非线性求解器的单个解决方案。用户可调参数控制要执行的最大多次启动次数。
⒃、屏障求解器：障碍求解器是解决线性，二次和圆锥问题的一种替代方法。 LINGO最先进的屏障方法实现为大型，稀疏模型提供了巨大的速度优势。
⒄、单纯形求解器：提供了原始和对偶单纯形法的两种高级实现，作为解决线性编程问题的主要手段。其灵活的设计允许用户通过更改一些算法参数来微调每种方法。
⒅、混合整数求解器：软件的混合整数求解器的功能扩展到线性，二次和一般非线性整数模型。它包含几种高级解决方案技术，例如剪切生成，动态减少树增长的树重新排序以及先进的启发式和预解决策略。
⒆、随机解算器：随机规划求解器通过具有追索权的多阶段随机模型支持不确定情况下的决策。用户通过识别分布函数（内置的或用户定义的描述不确定性