L'objectif d'acheminer un produit à moindre coût, dans les délais et dans les meilleures conditions est l'objectif majeur de toute chaîne logistique pour assurer la satisfaction du client final. De nos jours cet objectif présente un réel défi en tenant compte d'un environnement de plus en plus dynamique.

La complexité d'une chaîne logistique se traduit généralement par une multitude d'intervenants et de structures ainsi qu'une difficulté à gérer tout cet ensemble simultanément en situation de changement. Divers facteurs caractérisent l'environnement instable dans lequel les chaînes logistiques évoluent à savoir; l'incapacité des fournisseurs à satisfaire une demande, les retards de livraisons, l'arrivée de nouvelles tâches. Néanmoins, les fluctuations du marché présentent l'une des principales causes d'instabilité pouvant toucher la chaîne logistique pour se répercuter par la suite sur sa structure. En effet, dans un contexte de concurrence féroce, la variation des prix chez les fournisseurs, par exemple, peut avoir un grand impact sur les décisions à prendre pour adapter la chaîne logistique comme une réponse à ces variations. Les principaux défis pour cette adaptation sont donc d'identifier la manière et le moment de changement pour réagir rapidement aux perturbations.

Nous nous concentrons ici sur un problème de chaîne d'approvisionnement à deux échelons connu dans la littérature comme le problème de sélection de fournisseurs et ce pour une période unique pour un ensemble de produit. Dans un contexte de forte variabilité, les prix et les capacités des différents fournisseurs peuvent évoluer au cours de la période considérée. Notre problème consiste alors à rechercher à tout instant la meilleure solution possible. Les approches permettant de traiter ce type de problème sont connues dans la littérature sous le nom d'optimisation dynamique. Récemment cette méthode a pu être utilisée avec succès dans de nombreux domaines qui évoluent dans un environnement réel caractérisé par des changements au cours du temps. Dans ce cadre, nous proposons un algorithme génétique.