- Reoptimization

	Depois de acharmos uma solução ótima para um modelo, devemos continuar testando pequenas modificação decorrentes do modelo inicial. Neste método podemos achar novas soluções ótimas ou podemos encontrar as mesmas soluções do modelo original. Com isso vamos polindo o modelo.
	Para acharmos os novos pontos ótimos nos modelos modificados, pode ser que precisemos fazer muitas iterações (para modelos com muitas variáveis). Com isso podemos tentar reduzir o número de iterações utilizando o ponto ótimo do modelo anterior como ponto inicial do novo modelo. Se este ponto inicial for viável, existe uma grande probabilidade de acharmos um novo ponto ótimo rapidamente, pois as modificações no modelo foram poucas. Se este ponto inicial não for viável, será necessário recalcular desde um ponto inicial viável arbitrário.

 - Shadow Prices

	Em muitos programas de programação linear o problema é muitas vezes interpretado como uma alocação de recursos. Como as restrições de menor ou igual indicam quanto de um recurso temos disponível para resolver o problema.
	Depois que descobrimos a solução ótima para o modelo proposto, podemos identificar quais das restrições (Bi's) que, se modificarmos, vão aumentar o valor final da função objetivo. Isso pode ser visto diretamente no 'tableau' final olhando para a linha da função objetiva. O Bi que tiver o maior coeficiente na função objetivo.
	Como isso, muitas vezes, significa horas de trabalho ou matéria prima disponível, é necessário verificar a disponibilidade de comprarmos mais matéria prima ou mão de obra e a influência disto para o modelo. Modificando esse parâmetro a solução ótima pode ser modificada, tendo que recalcular o novo ponto ótimo.

  - Análise de Sensibilidade

	Quando contruimos um modelo, os valores do Aij, Bi e Cj são valores estimados. A função da análise de sensibilidade é identificar os parâmetros sensíveis (aqueles que se modificados, modificam a solução ótima).
	Por causa da estimação, quando descobrimos um parâmetro sensível, devemos monitorá-lo pois se for descoberto que este parâmetro estava com um valor equivocado e necessita de mudanças, sabemos que a solução ótima também mudará.
	Os valores de Bi's que precisam ser monitorados são aqueles, que no 'tableau' final, tiveram um coeficiente >0. Quando maior o coeficiente mais cuidado devemos ter. Tipicamente um problema real tem milhares de variáveis e com isso os coeficientes Aij podem ser negligenciados. Apenas os Cj e Bi necessitam de atenção.

  - Parametric Linear Programming

	A programação paramétrica analisa a variação de multiplos coeficientes simultaneamente. Por exemplo quando queremos avaliar os efeitos de mexermos no preço de venda de produtos em uma função objetivo (como aumentar uns para baixar outros).
	Podemos ver também as desvantagens inerentes de modificar recursos para corte de gastos.