Un novedoso tipo de estrategia de control por aprendizaje iterativo (ILC) para la optimización de procesos de fermentación en modo fedbatch es presentado y aplicado como caso de estudio en la producción de ácido láctico. Debido al hecho de que los reactores en modo fedbatch están permanentemente en régimen transitorio, el comportamiento de seguimiento de ILC's convencionales se deteriora a medida de que el número de mediciones baja. La primera contribución de este estudio fue de utilizar un método de interpolación para la reconstrucción de la continuidad de la entrada entre las muestras de medición. Luego, el rendimiento de control fue mejorado a través del uso de un algoritmo ILC basado en la parametrización del perfil de entrada, utilizando funciones exponenciales continuas por parte especialmente adecuadas para procesos en modo fedbatch. Además, la ley de aprendizaje propuesta fue capaz de seguir adecuadamente la referencia de salida del proceso utilizando únicamente dos mediciones fuera de línea. Un estudio de simulación demuestra la factibilidad del propuesto ILC.