با توجه به اینکه عملکرد کل زنجیره تأمین ارتباط تنگاتنگی با ساختار و نحوه ارتباط اجزای زنجیره و سیاست های مدیریتی آن دارد، از این رو طراحی و مدیریت زنجیره تأمین در محیط های تجاری- رقابتی نوین یکی از حیاتی ترین مسائلی است که مدیران منابع و خدمات با آن روبرو هستند. تمرکز جداگانه بر روی اجزای زنجیره تأمین منجر به ناکارایی و تحویل کالا یا خدمت با هزینه بالا در سیستم می شود. بنابراین اخیراً طراحی یکپارچه زنجیره تأمین مورد توجه بسیاری قرار گرفته است. یکی از اجزای اصلی زنجیره تأمین که در طراحی زنجیره و همچنین کسب مزیت رقابتی برای سازمان نقش اساسی ایفا می کند، تأمین کنندگان موادخام و قطعات می باشند. با توجه به اهمیت تصمیم گیری یکپارچه و همچنین با توجه به اهمیت تصمیم گیری در مورد انتخاب تأمین کنندگان مناسب در زنجیره تأمین، در این تحقیق مسأله ای در نظر گرفته شده است که همزمان تصمیمات استراتژیک انتخاب تأمین کننده و تصمیمات تاکتیکی مربوط به سطوح موجودی و همچنین تصمیمات عملیاتی مربوط به سرویس دهی به موقع به مشتری نهایی را در بر می گیرد. مسأله مذکور در واقع یک مسأله انتخاب تأمین کننده چندمحصولی در یک زنجیره تأمین سه سطحی شامل چندین تأمین کننده مواد خام، یک تولیدکننده و یک خرده فروش می باشد که تصمیمات مربوط به انتخاب تأمین کننده، نحوه خرید مواد اولیه و یا قطعات از تأمین کنندگان و همچنین تصمیمات مربوط به موجودی مواد اولیه و محصولات نهایی را در یک زنجیره تأمین سه سطحی به طور همزمان شامل می شود. فرض می شود موادخامی که از تأمین کننده خریداری می شوند بلافاصله به دست تولیدکننده می رسند. این مواد خام برای تولید محصولات مختلف استفاده شده و در هر دوره زمانی مواد خام به محصولات تمام شده در همان دوره تبدیل می شوند و در نهایت به دست خرده فروش می رسند. هدف این مدل علاوه بر انتخاب تأمین کنندگان مناسب و تعیین مقدار سفارش به هر تأمین کننده، یکپارچه سازی تصمیمات موجودی در کل زنجیره تأمین می باشد. یک مدل ریاضی به صورت برنامه ریزی عددصحیح مختلط غیر خطی برای این مسأله ارائه شده و در آن محدودیت های ظرفیت تأمین کنندگان و محدودیت مقدار سفارش به هر تأمین کننده برای هر ماده خام نیز در نظر گرفته شده است. از آنجا که مدل ارائه شده از لحاظ حل جزء مسائل دشوار به شمار می رود، برای حل آن در زمان معقول از دو الگوریتم فراابتکاری ژنتیک و شبیه سازی تبرید استفاده شده است. برای ارزیابی عملکرد این دو الگوریتم، مدل توسط نرم افزار gams نیز حل شده است. مقایسه حاصل از دو رویکرد فراابتکاری و همچنین نرم افزار gams، بیانگر کاهش چشمگیری در زمان حل مسائل توسط الگوریتم های فراابتکاری ارائه شده نسبت به نرم افزار gams، (89 درصد کاهش برای الگوریتم ژنتیک و 87 درصد کاهش برای الگوریتم شبیه سازی تبرید) و همچنین ارائه جوابهایی نزدیک به بهینه و با درصد اختلاف کمی نسبت به gams (7/3 درصد برای الگوریتم ژنتیک و 2/4 درصد برای الگوریتم شبیه سازی تبرید) می باشد. بنابراین می توان اظهار داشت که الگوریتم های ارائه شده روش حل مناسبی برای مدل مذکور می باشند و همچنین می توان استنباط کرد که الگوریتم ژنتیک با درصد اختلاف کمی نسبت به الگوریتم sa بهتر عمل کرده است.