广义预测控制是80年代产生的一种新型计算机控制方法,是预测控制中最具有代表性的算法之一。它一出现就受到了国内外控制理论界和工业界的重视,成为研究领域最为活跃的一种预测控制算法。但由于广义预测控制中控制律的计算需要求解Diophantine方程和逆矩阵,计算量大,因此,很不适合工业过程中一些要求快速性高、实时性强的系统。针对这一问题,本文在参考国内外相关文献的基础上,对广义预测控制快速算法进行了研究,主要研究内容如下:首先,在广义预测控制基本算法的基础上,从广义预测控制与神经网络、与模糊控制等的结合方面,综述了广义预测控制的各种快速算法,并对广义预测控制的特点和参数选择进行了介绍。其次,针对广义预测控制算法中计算量大的问题,提出了一种改进的广义预测控制快速算法,在基本的广义预测控制算法中引入约束矩阵,从而将广义预测控制中的矩阵求逆部分变为标量形式进行求解,大大减小了计算量,并在此算法中引入Elman神经网络,可以使广义预测控制算法能够很好的应用在非线性系统控制中。最后,基于混沌系统非线性强、多变量耦合等特点,提出了利用带时变遗忘因子的递推最小二乘进行参数辨识的方法,得出混沌系统的模型;同时在广义预测控制算法中引入柔化输入信号,从而减小了计算量,实现了快速性,使得广义预测控制算法在混沌系统中有很好的应用效果。