Dos métodos para la optimización binaria robusta adaptativa multietapa son investigados en este trabajo. Estos métodos, denominados regla de decisión binaria y adaptabilidad finita, comparten inherentemente similitudes al dividir el conjunto de incertidumbre en subconjuntos. En el método de regla de decisión binaria, la incertidumbre se eleva utilizando funciones indicadoras que resultan en un conjunto de incertidumbre elevado no convexo. La regla de decisión lineal se aplica posteriormente a una versión convexificada del conjunto de incertidumbre elevado. En el método de adaptabilidad finita, el conjunto de incertidumbre se divide en particiones y se aplica una decisión constante para cada partición. En ambos métodos, se utilizan puntos de quiebre ya sea para definir las funciones indicadoras en el método de elevación o para dividir el conjunto de incertidumbre en el método de adaptabilidad finita. En este trabajo, proponemos la optimización de la ubicación de puntos de quiebre variables para ambos métodos. Se realiza un extenso estudio computacional en un ejemplo ilustrativo y un estudio de caso de mayor tamaño. Se compara el rendimiento de los métodos de regla de decisión binaria y adaptabilidad finita bajo enfoques de puntos de quiebre fijos y variables.