مدیریت زنجیره تامین از موضوعاتی است که توجه بسیاری را در جوامع صنعتی و تحقیقاتی به خود معطوف ساخته است. یکی از مهمترین اهداف مدیریت زنجیره تامین کاهش هزینه های مربوط به زنجیره می باشد که از جمله اصلی ترین این هزینه ها می توان به هزینه های موجودی اشاره کرد. در صورت هماهنگی بین اجزای مختلف زنجیره تامین امکان کاهش هزینه ها به طرز قابل توجهی وجود خواهد داشت. عامل های هوشمند تکنولوژی مناسبی جهت هماهنگی و یکپارچه سازی در زنجیره تامین، ارتباط موثر اجزای آن، درنتیجه کاهش هزینه ها و درنهایت افزایش کارایی مدیریت زنجیره تامین می باشند. در تحقیق حاضر زنجیره تامین 5 جزئی بصورت یک سیستم چندعاملی مدل شده است. در این زنجیره که وظیفه تامین چندین کالا را بصورت همزمان برعهده دارد و در آن هر جزء دارای محدودیت های انبار کالا می باشد، دو نوع نامعینی درنظر گرفته شده است: نامعینی های تقاضای مشتری نهایی و نامعینی های زمان تحویل هریک از اجزاء. همچنین این تحقیق به ارائه یک مدل سفارش دهی برای هریک از اجزای زنجیره تامین مذکور و با هدف کاهش هزینه های موجودی کل زنجیره می پردازد. عامل های هوشمندی که در مدل سازی زنجیره تامین مذکور استفاده شده اند، جهت یادگیری سفارش دهی از الگوریتم ژنتیک با رویکرد پنجره ای، استفاده می کنند. نتایج نشان می دهد عامل ها از این طریق می توانند، در شرایط نامعین محیطی، به خوبی سفارش دهی را در این زنجیره تامین مدیریت کنند. همچنین تاثیر مکانیزم ارایه شده بر روی اثرشلاقی که یک اثر شناخته شده در زنجیره تامین است، نیز مورد بررسی قرار گرفته است و نشان داده شده که توسط این مکانیزم، می توان اثر شلاقی را به طرز چشمگیری کاهش داد. به منظور اعتبارسنجی، مدل پیشنهادی در حالت تک کالایی و بدون محدودیت انبار با نتایج حاصل از سه مدل مطرح در ادبیات موضوع مقایسه شده است و نتایج نشان دهنده اعتبار بالای مدل می باشد.