2020年,由于新冠疫情的影响,中国快消品行业遭受到了严重的冲击。消费者出于对未来的不确定性,偏向于购买价格更低的产品,快消品的价格因此出现了五年来的首次下跌。然而,快消品的整体销量增长虽然相对于2019年较低,但仍保持在一个较高的水平,说明了快消企业正在以不断降低的价格来供应不断上涨的需求,导致了利润的降低,企业因此将注意力逐渐转移到快消品供应链上,寻求降低供应链成本的有效方法。而快消品供应链的特点是快消新品推出频繁、供应链产品流变动大,这对快消企业的供应链优化能力提出了新的要求。本文分析了快消品供应链存在的问题,发现目前快消企业的供应链产品调货频繁,使得成本居高不下,究其原因是由于需求准确率低导致企业的供应链产品流决策较差。而新品的推出为供应链带来了更多的不确定性,影响了快消品SKU层面上的需求预测准确率,进而影响产品流决策的质量。对此,本文首先针对快消品SKU需求预测准确率低的问题,将新品考虑到需求预测中,寻求提高准确率的方法。对于新品上市前缺乏历史数据的问题,通过分析新老品间的一对一关系,充分利用老品的历史数据,提出新品的需求预测方案,并分析新品上市后对老品产生的影响,构建快消品SKU的需求影响因素体系,基于此建立BP神经网络模型进行快消品SKU需求预测。然后,通过分析快消品供应链的结构,构建了多级快消品供应链产品流优化模型,用以基于需求预测结果对供应链产品流作出规划,从而建立起快消企业完整的战略决策流程。针对模型的求解问题,研究了新型麻雀搜索算法及其改进方法,提出混合策略改进的麻雀搜索算法来提高算法寻求全局最优解的能力,并通过算例验证了算法的有效性。最后,以快消品公司Y的案例作为背景,分析本文提出的快消品SKU需求预测方法的应用效果,发现基于BP神经网络的需求预测方法结合新品预测方案可明显提高快消品SKU的需求预测准确率。同时,根据需求预测结果对公司的供应链产品流进行优化,发现在满足同样的服务水平下,通过减少投入运营的设施数量并对设施供应关系和产品流量进行重新配置,可降低供应链总成本并提高设施的利用率,而后通过灵敏度分析研究了新老品需求比例变动以及不同预测准确率对于产品流优化的影响,提出公司应在新品上市前期采取设施产品区别配置策略,后期则采取设施均衡策略,同时发现基于预测准确率较低的需求预测得到的产品流方案在供应链实际运营时会造成成本的剧增。本文的研究可为快消企业的供应链决策提供依据,在快消品供应链管理与优化领域具有实践价值。