Genetic algorithms became very popular on solving logictics and transportation problems.Genetic algorithms give very successful results, especially when dealing with multi-objectiveoptimization problems. In this study, it is aimed to optimize cost, service level, lead times,and quality deficiency objectives of a multi-objective and multi-location transshipmentproblem at the same time. Preceding studies about transshipment problems deliberated mostlyon cost and service level. Furthermore, lead times were added in recent studies. However,quality, which became the most important criterion for producers, retailers, and customers,was mostly disregarded. Therefore it became an obligation for us to integrate the qualityobjective to our problem. In this way, a more comprehensive and realistic optimizationproblem was achieved. We propose a genetic algorithm based on the ?Strength ParetoEvolutionary Algorithm? (SPEA2) method to solve this problem. This gives us theopportunity to choose one from the pareto optimal solutions. This approach gives a morerealistic and flexible solution to multi-objective optimization problems. In differentcircumstances, the most convenient solution can be choosen. It is more advantageous to makea decision from a set of best solutions than methods which produce only one solution.Because in this way, the objectives which seem more important for decision makers accordingto some conditions will be satisfied maximal, at the same time the less important ones will notbe disregarded.Keywords: Transshipment problem, multi-objective optimization, genetic algorithm, strengthpareto evolutionary algorithm, SPEA2, logistics, supply chain.

Lojistik ve tasıma problemlerinin çözümünde genetik algoritmaların kullanımı son dereceyaygınlasmıstır. Özellikle çok amaçlı problemlerin optimizasyonunda genetik algoritmalarçok basarılı sonuçlar vermektedir. Bu çalısmada, çok amaçlı ve çok konumlu bir aktarmalıtasıma probleminin maliyet, hizmet düzeyi, gecikme zamanları ve kalitesizlik amaçlarınınaynı anda optimize edilmesi amaçlanmıstır. Aktarmalı tasıma problemleriyle ilgili yapılmısönceki çalısmalarda genellikle maliyet ve doluluk oranı üzerinde yogunlasılmıstır. Ayrıca sonzamanlarda buna gecikme zamanları da eklenmistir. Ancak, hem üretici ve satıcılar hem demüsteriler açısından en önemli kriterlerden biri haline gelen kalite faktörü göz ardı edilmistir.Bu yüzden çalısmamızda kalite amacının probleme entegre edilmesi bir gereklilik olarakgörülmüstür. Bu sayede daha kapsamlı ve daha gerçekçi bir optimizasyon problemi eldeedilmistir. Problemin çözümü için ?Güç Pareto Evrimsel Algoritması? (SPEA2) metodunadayanan bir genetik algoritma önerilmistir. Bu bize aralarından seçim yapabilecegimiz paretooptimal sonuçlar sunar. Çok amaçlı problemlerin çözümü için bu yaklasım daha gerçekçi vedaha esnek bir çözüm saglar. Farklı durumlar için en uygun çözüm seçilebilir. En iyiçözümler kümesinden bir karar vermek yalnızca tek bir çözüm üreten yöntemlerden dahaavantajlıdır. Çünkü bu sayede karar vericiler için belli kosullarda daha önemli görülenamaçlar maksimum derecede tatmin edilirken, aynı zamanda daha az öneme sahip olanlar dagöz ardı edilmemis olacaktır.Anahtar Kelimeler: Aktarmalı tasıma problemi, çok amaçlı optimizasyon, genetik algoritma,güç pareto evrimsel algoritması, SPEA2, lojistik, tedarik zinciri.