本文研究需求和容量不确定的多阶段网络流问题(MultistageNetworkFlowProblemwithUncertainDemandandArcCapacities)。在网络中，每个结点被赋予一个启用时刻，以该结点为起点的弧在该时刻起可被使用。模型中结点需求和弧容量在相应弧被启用前都是随机变量，且满足已知的离散分布。我们用情景来描述需求和容量的不确定性，用情景集划分所得的情景束建构非预期性约束，该约束保证了两个情景不能被区分时所作的决策是一致的。此外针对需求随机性，在每个结点上允许商品短缺／过量供应，但分别给予相应的惩罚。 本文用基于复合路径分解的拉格朗日分解算法求解模型，把容量约束松弛后得到复合路径分解法的主问题和子问题。子问题的求解用到了多情景下的寻找最短路方法；利用改进的次梯度算法求解主问题。文章最后给出一个计算实验。