본 논문에서는 공급 사슬의 다목표 최적화 문제를 다룬다. 복잡한 공급 사슬 모델의 구성은 시뮬레이션 모델링을 이용하고 다목표 최적화를 위한 알고리즘은 유전자 알고리즘을 사용한다. 본 연구에서 사용되는 다목표 유전자 알고리즘은 최근까지 가장 효율적인 방법중의 하나라고 제시된 NSGA-II이며, 이 알고리즘을 사용하여 시뮬레이션 모델의 확률적 공급 사슬 문제에 적용하여 나타나는 결과를 분석하고 방향을 제시한다.

최적화 문제는 일반적으로 복수개의 목적식을 가지며, 이러한 목적식들의 대부분은 서로 충돌한다. 즉, 한 개의 목적식을 최적화하면 다른 목적식들은 최적화되지 못한다. 그러므로 하나의 목적식을 최적화하는 결정변수들이 다른 목적식들을 동시에 최적화시키기가 매우 어렵다. 따라서 최적화 개념도 하나의 목적식을 고려하는 경우와는 다른 관점에서 고려해야 한다. 본 연구에서는 다목표 최적화 문제를 해결하기 위한 새로운 실수코딩 유전자 알고리즘을 제시하고, 알고리즘의 효율 평가를 위해서 다목표 유전자 알고리즘에서 가장 일반적으로 사용되고 있는 MOGA 기법과 비교한다. 제시되는 다목표 실수코딩 유전자 알고리즘에서는 여러 개의 목적식을 평가하기 위한 적합도 함수를 제안하며, 목적식들을 만족하는 다양한 파레토 최적 집합을 구축하기 위한 방안을 제시한다. 개발된 다목표 최적화 알고리즘과 MOGA 기법의 효율 평가를 위해 두 알고리즘이 파레토 최적해의 집합을 어떻게 구성하는지 비교한다. 실수코딩 유전자 알고리즘의 실험을 위해 교배연산자는 단순교배 기법을 사용하고 돌연변이 연산자는 균등돌연변이 기법을 사용한다.