可靠度是评价结构适用性与安全性的主要指标。结构优化在追求造价或质量最小的同时,还应注重优化后结构的可靠性。因此,结构可靠度的准确计算成为一个关键问题。众多学者在复杂隐式功能函数可靠度计算方面做了大量工作,但鲜有方法能有效协调计算精度、计算量与方法适应性的同时进行可靠度计算。本文以矮寨大桥钢桁架为例,采用径向基神经网络与遗传算法相结合的方法,对这类具有复杂隐式功能函数结构的可靠度与优化进行研究。(1)通过引入自适应随机变量、调整进化过程的交叉率与变异率并加入精英保留策略对传统遗传算法进行了改进,实例证明新改进的遗传算法能根据适应度的取值自适应调整设计变量的取值范围、能有效地跳出局部最优以及加快收敛速度;对于小概率失效结构,引入的自适应随机变量能有效改善传统方法中初始种群基因不良的问题。(2)先采用DPS中的均匀设计功能产生更高水平的设计变量,再Python调用batch模式下的ANSYS多线程计算结构响应,最后将变量与响应归一化,采用RBF神经网络逼近结构的功能函数,供遗传算法调用。网络测试精度表明:在有限组变量下,RBF神经网络拟合精度高,得到的神经网络泛化能力较好。(3)基于可靠度指标的几何意义,运用新改进的遗传算法搜索钢桁架可靠度指标最优解与验算点。通过蒙特卡洛重要抽样法验证了新改进的遗传算法的准确性与有效性。结果表明,在设计截面尺寸下,新改进的遗传算法与蒙特卡洛法在计算复杂隐式功能函数结构可靠度指标时,具有计算速度快、计算简单、精度高等优点。(4)根据拟合好的可靠度与设计标量之间的关系,采用改进的遗传算法分别以可靠度指标与结构质量为约束条件,对结构进行优化设计。结果表明该结构适当减小纵横梁的截面面积,增加腹杆的面积,能在结构可靠度一定的前提下减少结构质量,优化后的面积较优化前减少13.9%。在结构质量不变的前提下提高结构可靠度,结构可靠度指标由4.9310提高至5.7789。