Los problemas de diseño robusto en redes de flujo implican determinar las asignaciones de capacidad óptimas que permitan que la red opere eficazmente incluso en caso de ocurrencia de eventos como fallos de arcos o nodos. Las redes de flujo multi-fuente multi-sumidero (MMSFNs) son frecuentes en muchos sistemas de la vida real como computación y telecomunicaciones, logística y cadena de suministro, y tráfico urbano. Aunque se han realizado numerosos estudios sobre el diseño de MMSFNs, el problema de diseño robusto para redes de flujo estocástico multi-fuente multi-sumidero (MMSFNs) sigue sin explorarse. Para contribuir a este campo, este estudio aborda el problema de diseño robusto para MMSFNs utilizando un enfoque de dos pasos. Primero, el problema se formula matemáticamente como un problema de optimización y segundo, se propone una solución subóptima basada en un algoritmo genético (GA) que involucra dos componentes. El primer componente, un algoritmo genético externo, se emplea para buscar la capacidad óptima asignada a los componentes de la red con la suma mínima. El segundo componente, un algoritmo genético interno, se utiliza para encontrar los vectores de flujo óptimos que maximizan la fiabilidad del sistema. A través de experimentación extensiva en tres redes diferentes con topologías distintas, se ha encontrado que la solución propuesta es eficiente.