یکی از مهمترین موضوعات قابل توجه در زنجیره ی تامین، مباحث مربوط به کنترل موجودی است که از چالش برانگیزترین بخش های زنجیره نیز می باشد و یک موضوع بسیار مهم جهت مدیریت بهتر و استفاده از منابع است. هدف هر زنجیره تامین حداکثر کردن کل ارزش تولیدی است و هدف کنترل موجودی نیز متعاقبا در راستای این هدف کلی، کاهش هزینه های کل سیستم و افزایش کارایی و اثر بخشی آن در جهت پاسخگویی به موقع به تقاضای توزیع کنندگان و خرده فروشان می باشد. پژوهش های بسیاری در زمینه کنترل موجودی در زنجیره تامین صورت گرفته که هدف تمامی این تحقیقات ارائه مدل های کارآمدی در جهت کاهش هزینه های کل موجودی و افزایش قدرت پاسخگویی سیستم به تقاضای مشتریان می باشد. موضوع قابل ذکر این است که هنوز هم در بسیاری از پژوهش ها از مدل ها و روابط سنتی جهت تعیین استراتژی های مناسب و تعیین نقاط بهینه سفارش مجدد و مقدار بهینه سفارش برای سیستم موجودی استفاده شده که در آن تقاضا و دیگر متغیرهای تصمیم را قطعی و معین فرض کرده اند. اما با توجه محیط پر تلاطم امروزی که با سرعت زیادی در حال تغییر و تحول می باشد ، دیگر نمی توان پیش بینی دقیق و مطمئنی از متغیرهای تصمیم گیری به عمل آورد. مسئله ی اصلی این تحقیق برطرف کردن این نقیصه از مدل های کنترل موجودی و استفاده از تئوری فازی در پارامترهای موثر در مدل می باشد. همچنین به دلیل پیچیدگی زیاد مسئله از الگوریتم ژنتیک برای حل مسئله استفاده شده است تا در عمل بتوان هزینه کل موجودی در زنجیره را تا حد ممکن کاهش داد و باعث بهبود نگرش مدیران صنایع نسبت به بکارگیری این مدل ها شد. روش حل مسئله سیستم موجودی در این تحقیق به دلیل فازی بودن دو متغیر مسئله تا حدودی متفاوت می باشد. بدین صورت برای حل این مسئله دو بار الگوریتم ژنتیک به کار برده شده است. کاربرد الگوریتم ژنتیک در مرحله ی اول به منظور تخمین اعداد فازی به صورت یک عدد قطعی می باشد که سپس این اعداد جایگزین اعداد فازی در صورت مسئله گردیده و مسئله به یک مسئله استاندارد با اعداد قطعی تبدیل می گردد و سپس در مرحله ی دوم این مسئله که خود در دسته ی مسائل np-hard قرار می گیرد، نیز به کمک الگوریتم ژنتیک حل گردیده است. در پایان نتایج حاصل از حل مثال عددی با الگوریتم ارائه شده در این پایان نامه و دو روش برنامه ریزی خطی فازی با هم مقایسه می گردند تا کارایی مدل ارائه شده نسبت به روش های حل مسئله در حالت قطعیت و یا نیمه قطعیت مشخص گردد.