在实际的一些工业系统中,很多情况下会受到客观条件的限制从而无法获取系统运行的数据,因此,对系统的某些数量指标进行评估,需要根据专家的经验来进行。由于专家的经验具有一定的主观性,并且还依赖于专家个人的知识水平,基于概率论来评估此情形下的系统可靠性指标就略显不足。鉴于此,本文联合不确定理论和概率论,综合分析了复杂系统中既有新部件又有旧部件且在工作环境不确定性影响下系统的可靠性。首先,研究了具有不确定参数的不确定随机k/m+n:G系统可靠性指标。假定随机部件和不确定部件的寿命分布参数均为不确定变量,建立了具有不确定参数的随机k/m:G系统、不确定k/n:G系统和不确定随机k/m+n:G系统可靠性数学模型,得到了系统的可靠性指标。为了直观展示所提出模型的分析方法,对各个模型给出了相应的数值算例,并且针对分布参数为常数和不确定变量的情况进行了比较分析。其次,研究了具有不确定参数的不确定随机冷贮备k/m+n:G系统可靠性指标。针对参数不确定的冷贮备系统,建立了随机冷贮备k/m:G系统模型、不确定冷贮备k/n:G系统模型和不确定随机冷贮备k/m+n:G系统模型。利用概率论和不确定性理论对这些系统的可靠度函数和平均寿命进行了评估。在数值算例中,分析和比较了部件的寿命分布参数分别为不确定变量与常数时系统的可靠性指标,对比结果展示了本文所建可靠性模型的实用性和优越性。最后,研究了不确定随机冷贮备k/m+n:G系统的冗余优化。在部件成本、重量和体积均为不确定变量的假设下,建立了具有不确定参数的随机k/m:G系统、不确定k/n:G系统和不确定随机k/m+n:G系统可靠度的冗余优化模型。基于遗传算法,给出了这三类冗余优化模型的求解思路和步骤,并通过数值算例,验证了模型的合理性及算法的适用性。