预测控制算法种类较多，表现形式多种多样，但都可以用预测模型、滚动优化和反馈校正这三条基本原理加以概括。
预测控制的本质是在对过程的未来行为进行预测的基础上，对控制量加以优化，而预测是通过模型来完成的。因此模型是预测控制的基本元素。预测模型的功能是根据对象的历史信息和未来输入预测其未来输出。在MAC算法中，根据被控对象的单位脉冲响应序列，截取前N项构建系统的近似脉冲传递函数并将其作为预测和控制的模型。
预测控制的优化，是在未来一段时间内，通过某一性能指标的最优化来确定未来的控制作用，这一性能指标涉及系统未来的行为，并且在下一时刻只施加当前时刻控制作用，从而依次滚动进行。可见，它是在线反复进行的，而且优化是局部优化，有别于传统意义下的全局优化。为了不使控制量的变化过于激烈，MAC采用如下优化性能指标：
其中，qi，ri分别为误差加权系数和控制加权系数，表示对误差和控制变化的抑制。
预测控制是一种闭环控制算法，用预测模型预测未来的输出时，由于对象先前信息的不充分，预测值与真实值之间存在一定的偏差，只有充分利用实际输出误差进行反馈校正，才能得到良好的控制效果。利用模型的预测误差：
来校正模型的预测，得到新的更为准确的模型预测，这个过程将反复在线进行。
