Los problemas de programación de quirófanos (OR) suelen abordarse utilizando modelos deterministas que asumen que las duraciones de las cirugías se conocen de antemano. Sin embargo, tales suposiciones no reflejan la incertidumbre que a menudo ocurre en entornos quirúrgicos reales, especialmente durante las etapas de la cirugía y la recuperación. Este estudio se centra en un problema de programación robusta que implica un proceso quirúrgico de tres etapas que incluye las etapas preoperatoria, de cirugía y postoperatoria. La programación debe coordinar múltiples recursos: camas de la unidad de espera preoperatoria (PHU), quirófanos y camas de la unidad de cuidados postanestésicos (PACU), siguiendo una estricta regla de no espera para mantener el flujo continuo de pacientes sin retrasos entre etapas. El objetivo principal es minimizar el tiempo total y mejorar la robustez del horario cuando las duraciones de la cirugía y postoperatorias son inciertas. Para resolver este problema, proponemos un Algoritmo Genético para Programación Robusta (GARS), que evalúa soluciones utilizando un criterio de robustez basado en escenarios derivado de múltiples instancias muestreadas. GARS se compara con otros cuatro algoritmos: un GA determinista (GAD), una búsqueda aleatoria (BRS), una heurística de inserción y cambio aleatorio codiciosa (GRIS) y una versión mejorada de GARS con recocido simulado (GARS_SA). Los resultados de diferentes tamaños de problemas y niveles de incertidumbre muestran que GARS y GARS_SA tienen un mejor rendimiento de manera consistente que los otros algoritmos. En pruebas a gran escala con incertidumbre moderada (30 cirugías, alfa = 0.5), GARS logra un tiempo total promedio de 633.85, una desviación estándar de 40.81 y una proporción de rendimiento en el peor caso (WPR) de 1.00, mientras que GAD alcanza 673.75, 54.21 y 1.11, respectivamente. GARS puede lograr un rendimiento robusto sin utilizar técnicas adicionales para fortalecer el proceso de búsqueda. Su estructura sigue siendo simple y fácil de usar, lo que lo convierte en un enfoque práctico y efectivo para crear horarios quirúrgicos confiables y eficientes ante la incertidumbre.