Lindo/Lingo 系列产品(What'sBest, Lingo, Lindo API)中，每个产品的基本版包括用于线性模型的原始和对偶单纯形算法，并且包括整数规划能力。我们提供一些不同的选项来扩展基本版的能力。需不需要选择选项，取决于你希望解决的模型种类。如果你的模型是线性模型(不论是不是整数限制的)，则全部选项都不需要。
w_ww__.__p_om_ine__._co_m
　　"障碍"选项增加了一个障碍(内点)法求解器。如果你有一个二次模型(比如：一个具有二次目标函数的模型，或者所有二次项约束都是线性的)，那么"障碍"选项可以提供最佳的性能。 二次模型也能够用常规的非线性模型来求解，但是这需要的时间将会更长些。"障碍"选项也可以用于求解没有整数限制的线性模型。在一些案例中，使用 "障碍"算法可以比使用基本版带有的原始和对偶单纯形算法快很多。这在一些少见的带有超过 5,000 个约束的模型或者高度退化模型的情况下，是比较常见的。
w_ww__._p_o_mi__ne_._co_m_
　　"非线性"选项能允许你使用一个通用简化梯度算法将常规的非线性模型求解为局部最优解。如果你的模型是凸出的非线性模型(比如只有一个局部最优解)，那么你可以使用"非线性"选项来求解你的模型。然而许多非线性模型却并不是凸出的(比如有不止一个局部最优解)。如果这时单独使用"非线性"选项，求解器将在找到第一个局部最优解时停下，而其他局部最优解可能比返回的局部最优解好很多。因此对于非凸出的非线性模型，你可能希望将"非线性"和"全局"选项一同使用。
ww_w.__p_o__m_i_n__e_.c_om
　　"全局"选项提供两个用于求解非线性模型的附加技术：全局求解器和多初始点能力。全局求解器在找到第一个局部最优解时并不会停下，它会继续搜索直到确认找到了全球最优解。如果有限的时间使得寻找全局最优解受到限制，那么多初始点能力将是一个能更快找到好的解答的强大工具。这个能力可以智能的选择不同的出发点，获取每个局部最优解，然后返回找到的最佳解答。对于非凸出的非线性模型来说，使用多初始点能力返回的解答的质量将比常规非线性求解器找到的解答的质量好得多。"非线性"选项是"全局"选项的必备条件。