对于非线性模型求解十分困难，因此建立利于提高求解效率的模型，以增加求解速度和解的可靠性是十分必要的。

    （一）为变量定界

    较好地使用变量界限可以最大限度地提高LINGO 的求解效率。例如，假设一个变量的取值范围为1 到100，但是最优解不大可能在50 到75 的范围之外。这种情况下，用@BND 函数将变量的上限明确地指定为50，下限为75，可以大大节省求解的时间。另外，定界还可以使求解避开数学上有问题的区域，如无定义区域。例如，在约束条件1/X 中，给X 定一个最小界限，这样有助于使X 不会靠近0。

    （二）为变量指定初值

    在模型中，变量的初值会影响LINGO求解的“路线”。如果以一个接近最优解的初值开始计算，将大大地减少求解的时间，但是在很多情况下并不清楚最佳初值。不过，在可以选定比较合理的初值时，就应该在初始化域使用这些初值，这对于模型的求解很有帮助。若存在以下两种对求解结果不确定的情况，可考虑更换初值重新求解：

    1）可能有比LINGO返回值更优的解；

    2）即使LINGO返回的信息报告显示“未找到可行解”，但仍可能存在可行解。

    （三）确定模型的合理数量级范围

    为了便于求解，模型中用到的单位的数量级要尽量保持一致。如果模型中最大的数是最小数的1000 倍，LINGO就会在求解模型时遇到困难，也会影响求解的精确度。

    例如下面的经济问题：利息率为8.5%（0. 085），预算的约束条件为$ 12 850 000。这两个数的数量级相差10⁹。而在LINGO中，可以接受的最大差别为104。在这个例子中，预算可表示为百万美元的倍数，也就是说可以用$ 12.85 代替12 850 000。这样，数量级的差别就控制在10⁴ 之内了。

    （四）简化关系

    在实际操作中，应尽量使用线性关系，而非非线性关系。一些非线性表达式完全可以用线性关系表示。最简单的例子就是前面提到的两个变量比值的形式：

    X/Y< 10

    这个约束条件是非线性的，因为X 被Y除。为了线性化这一约束，可以在等式两边同乘以Y，

该约束就变为：

    X< 10 × Y

    在可能的情况下要尽量回避使用非平滑关系。具有非平滑约束的模型一般来说求解十分困难。因此应尽量将非平滑关系平滑化，如使用整型变量。

    （五）减少整型限制

    减少整型限制的数量可明显减少求解时间。当变量值较大时，可通过求解没有整型限制的模型后取整找到可以接受的结果，其耗费的求解时间仅相当于求解整数模型的一小部分。然而，对一个解取整后，此解可能不再是可行解或最优解。