工程结构在设计、施工、使用的过程中常常受到不确定因素的影响,结构的安全性、适用性、耐久性或多或少会发生变化。结构可靠性分析正是基于结构不确定因素的影响来评估结构可靠的程度。目前,结构可靠性分析通常以元件和系统两个层级作为研究对象。以概率理论为基础的元件层级可靠性分析已发展得较为成熟,它根据结构功能函数求解失效概率或可靠度指标。事实上,现代工程结构正朝着更复杂、更庞大的方向发展。这些高度非线性的结构功能函数或是隐式结构功能函数在应用传统可靠性计算方法求解失效概率或可靠度指标时,收敛性、精度和计算效率并不总能令人满意。随着群智能算法的兴起,基于群智能优化算法的一次二阶矩法凭借优秀的全局搜索能力为改善一次二阶矩法的收敛性、提高复杂结构可靠性分析问题的计算效率提供了可能。鉴于教与学优化算法(Teaching-Learning-Based Optimization,TLBO)具有收敛速度快、简单易实现的特点,本文将教与学优化算法以及一种改进的基于种群数呈三角形变化的教与学优化算法(Teaching-learning-based optimization with variable-population scheme,VTLBO)与一次二阶矩法相结合来分析结构的元件可靠性。研究了这两种算法的参数对结构可靠性分析结果的影响,提出了新的罚函数系数计算方式以改善可靠性分析的精度和计算效率。数值算例结果表明本文所提出的方法收敛性好,精度高,罚函数系数的确定方式能很好地避免设计验算点在搜索过程中早熟陷入局部最优而造成的可靠性分析结果精度差等问题。对于系统层级可靠性分析而言,如何在众多失效元件中识别出主要的失效模式以及处理失效模式间的相关性,同时计算系统结构的失效概率是主要内容。本文提出了一种多目标教与学优化算法搜索结构主要失效模式的识别方法,利用TLBO算法强大的搜索性能提高结构系统主要失效模式识别的效率。算例结果表明,本文方法兼顾识别的准确性和搜索效率,对于大型冗余结构同样适用。此外,本文提出了一种新的基于VTLBO算法的一次二阶矩并联系统可靠性分析方法,用于计算单个失效模式下的并联系统失效概率,同时将该方法和基于矩阵的系统可靠性分析方法相结合,提出了一种新的混联系统可靠性分析方法。算例结果表明本文所提出的基于VTLBO算法的一次二阶矩并联及混联系统可靠性分析方法具有较高的精度和计算效率,有潜在的实际工程应用价值。