过程控制问题从本质上说是一个多变量、有约束、动态的、含不确定性的多目标优化问题。多目标优化问题因其在控制领域内的工业应用和学术意义引起控制界的重视和深入研究。 本文的主要工作和创新之处包括： (1) 将模块多变量控制与模型算法控制相结合(前人的工作是将其与动态矩阵控制或自适应控制结合)，并引入阶梯式策略，首次得到阶梯式模块多变量模型算法控制器(MMMAC)。它可以有效解决多变量、多目标、有约束、时变以及强扰动等复杂控制问题。以SheU标准控制问题为研究对象，仿真结果证明了其有效性、抗扰动性。 (2) 在引入阶梯式策略以后，用其对约束进行一定的处理，首次得到控制量增量的显式约束。 (3) 在预测控制求解最优控制量时，运用遗传算法对其进行搜索。创新性的将一系列动态系数与适应度函数相结合，并在计算适应度函数时引入预测控制，得到基于字典顺序式遗传算法的预测控制，取得良好的控制结果。这样使得遗传算法可以像阶梯式模块多变量模型算法控制器一样，直接解决多目标预测控制中的字典顺序式优化问题。它结构简单便于理解，可以方便的按照不同的要求调整控制目标的优先级，计算量也相对较小。