供应链建模与优化分析是供应链研究和应用发展的重要方向，也是信息与控制领域新的挑战和机遇。基于不同的理论方法，不同的学者研究产生了各种供应链管理策略和优化模型。纵观这些模型，大多是复杂的线性规划和混合整数规划模型，其中的变量和约束条件较多，求解较为困难，而且有的还只是停留在概念性模型阶段。 随着企业信息化的推进和应用水平的不断提高，企业中积累的数据规模越来越庞大，如何有效地利用历史数据，挖掘出有价值的信息，从而帮助企业能够对未来变化做出及时正确的决策，最终在激烈的市场竞争中占据主动，已经成为当前企业越来越迫切想要解决的问题。 近年来，国际上掀起了一股人工神经网络研究的热潮，人工神经网络独特的结构和处理信息的方法，使它在许多实际应用中取得了显著的成效，解决了不少传统计算方法难以解决的问题。当前神经网络的主要应用领域有：模式识别、自适应控制、市场分析、决策优化、预测分析、知识处理等。供应链管理的许多方面也已经应用了神经网络技术，但迄今为止，很少有人把这两个概念联系在一起并系统阐述神经网络技术在供应链管理中的应用。因此，深化神经网络技术在供应链管理中的应用探索具有十分重要的意义。 本文较为全面的研究了神经网络技术在供应链管理中的应用理论和方法。首先，在供应链管理理论基础上，本文通过对供应链分类体系的研究，满足了不同行业供应链决策优化的工具与方法的个性化需求；其次，对供应链建模的思路及其与决策支持的关系进行了分析，并且对供应链决策数据库的组建过程进行了研究；最后，在对印刷业供应链优化分析的基础上，分别构建了基于BP神经网络的供应商评价与选择模型、基于RBF神经网络的安全库存预测模型，并详细地介绍其理论方法和实证研究过程。实证研究的结果证明了模型的有效性，但还需要进一步地实践检验和不断完善。