با توجه به نقش کلیدی عملکرد تامین کننده روی هزینه، کیفیت، تحویل به موقع و سطح خدمات، و با توجه به اینکه بدون داشتن یک مجموعه رضایتبخش از تامین کنندگان نمی توان به تولید با کیفیت بالا و با کمترین هزینه دست یافت لذا انتخاب تامین کننده و نحوه تخصیص سفارش به آن یکی از مهمترین فعالیت های بحرانی مدیریت خرید دریک زنجیره تامین است. از طرفی در موقعیت های واقعی برای مسیله انتخاب تامین کننده و تخصیص سفارش به آن، خیلی از اطلاعات ورودی همچون تقاضای مشتری، ظرفیت تامین کننده برای تولید، فاصله زمانی تحویل محصول و ... در هنگام تصمیم گیری به صورت دقیق مشخص نمی باشند و با عبارات مبهمی بیان می شوند؛ لذا نمی توان از مدل های قطعی استفاده نمود. در اینگونه موارد تیوری مجموعه های فازی ابزاری مناسب برای غلبه بر عدم قطعیت است. در این پایان نامه یک مدلmip دو هدفه در غالب برنامه ریزی chance-constrained برای حل مسیله عدم قطعیت در انتخاب تامین کننده و تخصیص سفارش به آن در مدیریت زنجیره تامین پیشنهاد می شود. که توابع هدف شامل مینیمم کردن هزینه ها و ماکزیمم کردن ارزش کل خرید می باشد. محدودیت ها شامل قرار دادن حد مجاز روی فاصله زمانی تحویل، حد مجاز روی تعداد تامین کنندگانی که برای تامین یک قطعه انتخاب می شوند، محدودیت ظرفیت میزان تولید تامین کننده، ظرفیت روی حمل و نقل و محدودیت برآورده کردن تقاضای مشتری می باشد. فرض بر این است در هنگام تصمیم گیری، تقاضای مشتری، ظرفیت تامین کننده و فاصله زمانی تحویل مشخص ولی نامعین هستند. پارامترهای مذکور جهت انطباق بیشتر با عالم واقعیت به صورت فازی در نظر گرفته شده اند. لذا برای حل برنامه ریزی فازی از برنامه ریزی chance-constrained استفاده شده و یکبار با ترکیب الگوریتم ژنتیک و شبیه سازی فازی و بار دیگر با ترکیب الگوریتم sa و شبیه سازی فازی با استفاده از نرم افزار مطلب حل شده و نتایج به دست آمده با هم مقایسه گردیده و مورد تجزیه و تحلیل قرار گرفته است.که بر اساس نتایج به دست آمده روش شبیه سازی فازی بر اساس الگوریتم ژنتیک از لحاظ مقدار تابع هدف بهتر از روش شبیه سازی فازی بر اساس الگوریتم sa جواب می دهد ولی برای مسایل با ابعاد بزرگ روش شبیه سازی فازی از لحاظ زمان اجرا مناسبتر می باشد.