1． 求解模型（Slove）：Ctrl+S
2． 求解结果（Solution）：Ctrl+O
3． 查看（Look）：Ctrl+L
4． 灵敏性分析（Range，Ctrl+R）：为了激活灵敏性分析，运行 LINGO|Options，选择 General Solver Tab， 在 Dual Computations 列表框中，选择 Prices and Ranges 选项。
max=60*desks+30*tables+20*chairs;
8*desks+6*tables+chairs<=48;
4*desks+2*tables+1.5*chairs<=20;
2*desks+1.5*tables+.5*chairs<=8;
tables<=5;
求解这个模型，并激活灵敏性分析。这时，查看报告窗口（Reports Window）,可以看到结果。
“Global optimal solution found at iteration: 3”表示 3 次迭代后得到全局最优解。
“Objective value:280.0000”表示最优目标值为 280。 “Value”给出最优解中各变量的值：2 个书桌（desks）, 0 个餐桌（tables）, 8 个椅子（chairs）。所以 desks、chairs 是基变量（非 0），tables 是非基变量（0）。
“Slack or Surplus”给出松驰变量的值：
第 1 行松驰变量 =280（模型第一行表示目标函数，所以第二行对应第一个约束）
第 2 行松驰变量 =24
第 3 行松驰变量 =0
第 4 行松驰变量 =0
第 5 行松驰变量 =5
“Reduced Cost”列出最优单纯形表中判别数所在行的变量的系数，表示当变量有微小变动时, 目标函数的变化率。其中基变量的reduced cost值应为 0， 对于非基变量 Xj, 相应的 reduced cost值表示当某个变量Xj 增加一个单位时目标函数减少的量( max型问题)。
本例中：变量tables对应的reduced cost值为 5，表示当非基变量tables的值从 0 变为 1 时（此时假定其他非基变量保持不变,但为了满足约束条件，基变量显然会发生变化），最优的目标函数值 = 280 - 5 = 275。
“DUAL PRICE”（对偶价格）表示当对应约束有微小变动时, 目标函数的变化率。输出结果中对应于每一个约束有一个对偶价格。 若其数值为 p， 表示对应约束中不等式右端项若增加 1 个单位，目标函数将增加 p 个单位（max 型问题）。显然，如果在最优解处约束正好取等号（也就是“紧约束”，也称为有效约束或起作用约束），对偶价格值才可能不是0。
本例中：第 3、4 行是紧约束，对应的对偶价格值为 10，表示当紧约束
3) 4 DESKS + 2 TABLES + 1.5 CHAIRS <= 20 变为 3) 4 DESKS + 2 TABLES + 1.5 CHAIRS <= 21时，目标函数值 = 280 +10 = 290。对第 4 行也类似。
对于非紧约束（如本例中第 2、5 行是非紧约束），DUAL PRICE 的值为 0, 表示对应约束中不等式右端项的微小扰动不影响目标函数。有时, 通过分析 DUAL PRICE, 也可对产生不可行问题的原因有所了解。
灵敏度分析的结果是
目标函数中 DESKS 变量原来的费用系数为 60，允许增加（Allowable Increase）=4、允许减少（Allowable Decrease）=2，说明当它在[60-4，60+20] = [56，80]范围变化时，最优基保持不变。对 TABLES、CHAIRS 变量，可以类似解释。由于此时约束没有变化（只是目标函数中某个费用系数发生变化），所以最优基保持不变的意思也就是最优解不变（当然，由于目标函数中费用系数发生了变化，所以最优值会变化）。
第 2 行约束中右端项（Right Hand Side，简写为 RHS）原来为 48，当它在[48-24，48+∞]= [24，∞]范围变化时，最优基保持不变。第 3、4、5 行可以类似解释。不过由于此时约束发生变化，最优基即使不变，最优解、最优值也会发生变化。
5． 模型通常形式（Generate）：Ctrl+G
6． 选项（Options）：Ctrl+I （28页—35页）
（1）Interface（界面）选项卡
（2）General Solver（通用求解器）选项卡
（3）Linear Solver（线性求解器）选项卡
（4）Nonlinear Solver（非线性求解器）选项卡
（5）Integer Pre-Solver（整数预处理求解器）选项卡
（6）Integer Solver（整数求解器）选项卡
（7）Global Solver（全局最优求解器）选项卡
