实际工程问题中普遍存在不确定性,包括材料属性、结构尺寸、外部载荷等方面。不确定通常分为随机不确定性和认知不确定性两种类型,随机不确定性通过概率模型描述设计变量的不确定性,但是需要收集大量的样本信息构建联合概率密度函数。认知不确定性分析的基本理论包括可能性理论、凸模型理论、模糊理论、区间分析理论和证据理论,其中证据理论在实际工程中因条件限制而无法获取足够样本点的情况下,能够较好的处理多源信息及各种不确定性问题。但由于其证据变量区间的不连续性和基本可信度分配的离散性,存在求解效率较低的问题,在实际工程中的应用受到限制。目前大多数的可靠性分析方法通过近似的优化方法来简化计算过程,以牺牲部分计算精度为代价,达到提高计算效率的目的。近年来计算机系统和集群技术的发展,使并行计算技术在科学研究、大规模工程和商业计算等方面取得一定成就。为了兼顾计算精度和计算效率,本文引入并行计算方法,对证据理论可靠性分析方法开展了相关的研究,其主要内容如下:(1)对于结构可靠性分析中的单个失效模式问题,提出了基于MPI的证据理论可靠性并行算法。由于各个焦元的极值求解过程相互独立,且无需进行数据传递,计算过程基本上能够保持同步完成,故采用MPI主从模式进行程序设计,运用消息聚合、负载平衡和增大并行粒度等策略优化程序性能。各个从进程负责焦元极值分析过程,主进程收集结果以计算结构的累积可信度和似真度,高效完成整个可靠性分析过程。(2)对于存在多个失效模式的结构体系,提出了基于CUDA与证据理论相结合的结构体系可靠性并行算法。通过并行遗传算法计算联合焦元上极限状态函数的极大值和极小值,利用GPU多线程的计算优势和并行缩减策略,处理由于多失效模式激增的计算量,一定程度上降低计算成本,减少计算时间,达到较为理想的可靠性分析效率。