El problema de ubicación de hubs (HLP) básicamente consiste en seleccionar nodos de una red para actuar como hubs que se utilizarán para direccionar el tráfico de flujo, es decir, recoger el flujo de algunos nodos de origen, posiblemente transferirlo a otros hubs y distribuirlo a los nodos de destino. También se considera una posible expansión en la construcción de hubs y módulos con capacidad creciente a lo largo de un horizonte temporal. Por lo tanto, la incertidumbre es inherente al problema. Se tratan dos tipos de escalas temporales; específicamente, una larga (es decir, semestres, años), donde se toman las decisiones estratégicas, y otra mucho más corta para las decisiones operativas. Por lo tanto, también se consideran dos tipos de parámetros inciertos; a saber, estratégicos y operativos. Este trabajo se centra en el desarrollo de un marco de modelado estocástico de optimización lineal entera mixta y un enfoque matheurístico para resolver el problema de planificación de expansión de la red de ubicación de hubs de asignación multietapa y multiscale bajo incertidumbre. Dada la dificultad intrínseca del problema y las enormes dimensiones de las instancias (debido al tamaño de la red de instancias realistas, así como a la cardinalidad del árbol de escenarios estratégicos y operativos), es poco realista buscar una solución óptima. Se introduce un algoritmo matheurístico, llamado SFR3, que significa fijación de variables de escenario y aleatorización iterativa de la reducción de relajación de las restricciones e integridad de las variables. Obtiene una solución factible (con suerte, buena) en un tiempo razonable y un límite inferior del valor de la solución óptima para evaluar la calidad de la solución. El rendimiento del enfoque general se evalúa computacionalmente utilizando datos CAB bien conocidos basados en perturbaciones estocásticas.