En los algoritmos de Control Predictivo de Modelos (MPC), las señales de control se generan después de resolver problemas de optimización. Si el modelo utilizado para la predicción es lineal, entonces el problema de optimización es estándar, fácil de resolver, un problema de programación cuadrática con restricciones lineales. Sin embargo, dicho algoritmo puede ofrecer un rendimiento insuficiente si se aplica a una planta de control no lineal. Por otro lado, si un modelo utilizado para la predicción es no lineal, entonces se debe resolver un problema de optimización no convexo en cada iteración del algoritmo. En ese caso, pueden surgir problemas numéricos durante su resolución y no se puede determinar el tiempo necesario para calcular las señales de control. Por lo tanto, en aplicaciones prácticas se prefieren enfoques basados en modelos linealizados. En el artículo se propone un algoritmo difuso con una generación avanzada de la predicción. La predicción se obtiene de tal manera que el algoritmo se formula como un problema de optimización cuadrática pero ofrece un rendimiento muy cercano al del algoritmo MPC con optimización no lineal. La eficiencia del enfoque propuesto se demuestra en el sistema de control de una planta de control químico no lineal: un Reactor Continuo de Tanque Agitado (CSTR) con reacción de van de Vusse.