經典復雜控制來源于實踐，其實反映了工程師解決控制問題的思路，是解決問題方法的組合。復雜控制可以分兩類：單入單出(SISO)過程的控制改進和多變量邏輯協調優化。單入單出過程的控制改進包括：a、PID算法的改進，例如比例微分先行、抗積分飽和、變增益……；b、控制算法改進，例如內模控制、自抗擾控制、模糊控制、專家控制……；c、PID變結構改進，主要是克服控制側干擾的串級控制改進和克服過程側干擾的前饋控制改進。第一種改進歸類到PID算法本身，這類技巧改進標準的PID控制模塊一般都包括。第二類改進由于不是工業實際使用的標準算法，可以歸類到廣義的先進控制范疇，這一類也不屬于經典復雜控制的內容。這樣只有第三種PID變結構改進屬于經典復雜控制。
任何單入單出過程控制問題首先想到使用PID單回路解決。如果單回路的性能不能滿足要求，就要考慮串級和/或前饋改進。如果閉環性能還是不能滿足控制要求，建議的考慮方向是變量配對改進、設備改進、工藝改進。
過程工藝非常復雜，很多都是多變量的控制問題。經典復雜控制的很多改進都是為了擴展PID的多變量協調優化能力。多變量控制的實現方式包括：a、多變量控制算法，包括模型預測控制、解耦控制等；b、自己寫代碼的專家系統；c、基于PID的多變量協調優化。第一類沒有基于PID不屬于復雜控制。雖然自己寫代碼可以很容易地實現特殊控制要求，但是第二類自己寫代碼實現協調優化是非標準的工作方法不推薦。很顯然第三種才屬于我們說的經典復雜控制。
我們現在非常清晰地把涉及多變量協調的經典復雜控制分為三類：a、被控變量(CV)優先級切換的超馳控制；b、操縱變量優先級切換的分程控制；c、操縱變量優先級切換的閥位控制。如果不存在MV飽和或者本質是單入多出/多入單出的系統，可能只需要被控變量或者操縱變量的優先級切換算法。分程控制適用于直接到多個最終控制元件，并按固定順序使用的多操縱變量場合。優先使用分程控制解決多操縱變量協調問題，如果涉及狀態串級、快速性和經濟性的不同等，就需要使用閥位控制來解決多操縱變量協調。一般來說閥位控制的速度要慢一些，更側重優化。多被控變量和多操縱變量的系統設計要根據變量間的關系從優先級和自由度分析入手。常見的多變量控制系統的方案都是基于分程/閥位+超馳控制。基礎組件和邏輯工具構成了復雜控制方案設計的核心，這些類似于多變量模型預測控制的軟件功能。由于實際過程問題多種多樣，在解決問題的過程中形成了一些復雜控制的高級應用，例如三沖量控制本質是前饋串級的組合控制，交叉限幅屬于多變量復雜邏輯優化，常見的支路溫度平衡也是使用多個復雜控制組件的復雜控制高級應用。具體控制方案設計中，隨著控制目標、工藝條件的不同，可能控制方案也顯著不同。例如交叉限幅要比比值控制復雜很多，支路流量耦合的流量控制要比單回路流量控制復雜很多。
為了實現工藝目標，控制系統設計必須包括具有適當能力的設備，提供測量和操縱手段，并設計正確且靈活的控制系統以應對正常和異常情況。反饋控制是一切控制策略改進的基礎。當單回路控制性能不能滿足要求時，可以考慮克服控制側干擾的串級控制改進和克服過程側干擾的前饋控制改進。而比值控制是一種特殊前饋，往往和反饋控制回路組合使用。單回路、串級控制和前饋控制是最常用的單目標控制策略。這三種控制策略選擇的原則和依據非常清晰，是多變量協調優化的基礎解決方案。
當有多個最終控制元件和/或多個過程變量時，就必須通過邏輯優化使系統滿足運行目標。當有多個被控變量一個操縱變量時，需要考慮被控變量控制目標的優先級，通過超馳控制的方式實現。當有一個被控變量、多個操縱變量時，則：a、如果操縱變量按固定順序使用，通過分程控制實現；b、如果考慮多個操縱變量的有效性和經濟性，不希望使用其他操縱變量進行主控，可以通過閥位控制實現；c、允許被控變量在一定范圍波動，則可以考慮分級控制使用不同的操縱變量。
當有耦合的多個被控變量和操縱變量時，要首先進行被控變量的優先級排序，然后考慮被控變量和操縱變量的配對原則，特別是在操縱變量飽和導致自由度變化后的控制要合理完整。這種最優的控制方案和變量間的關系、優先級有關，如果默認的變量配對不能滿足要求，則需要同時使用超馳控制和分程控制、超馳控制和閥位控制來更新配對原則。
盡管復雜控制在處理許多復雜的控制問題時往往效果顯著，但其設計和實現可能非常困難。在選擇最佳的復雜控制方案時，對控制要求的正確理解和對這些功能塊的充分了解至關重要。一個復雜的控制方案，簡單性和可靠性總是控制設計的重中之重，因此最好的解決方案總是適合于目的的。通常有不止一種方法來實現相同的控制目標，但控制性能可能有很大的不同。最優和非最優控制設計之間的差別有時非常小。非最優設計可能會在其整個生命周期中提供低于標準的性h能，而且通常還會增加維護負擔。
這些復雜控制策略簡單易行，往往可以極大地擴展單回路反饋控制的能力，但僅限于低維系統。用這些方法來實現一個具有許多被控變量和操縱變量的變量協調優化是非常困難的。高維多變量協調優化問題要依賴于多變量模型預測控制算法。
