复杂系统由于其结构复杂、部件数目较多、部件相关等原因，其可靠性评估问题一直是个难点与热点。因此，找到简单有效的方法对复杂系统进行可靠性评估，然后基于评估结果找出改进系统可靠性的最优方案是复杂系统可靠性分析的主要目的。本文依据部件是否相关，分别提出了评估二态或多态复杂系统可靠性的方法。若部件独立，本文提出一种基于CA-SVM的二态复杂系统可靠性评估方法。该方法用训练后的支持向量机（SVM）判断每次蒙特卡洛模拟（MCS）过程系统对应网络的连通性，与直接用元胞自动机（CA）的传统方法相比，能大大提高计算效率。在对SVM进行训练时，本文选用CA来生成训练数据点，与基于最小路集/割集的方法或是基于图论中提到的DFS、BFS的方法相比，CA能较大提高训练集的生成效率。在对SVM进行训练前，需要预先对SVM的参数进行选择，本文采用了粒子群优化（PSO）来选择SVM的参数，与传统网格搜索法相比，PSO搜索速度较快，并且不容易陷入局部最优。文中算例进一步说明了算法的高效与精确。共因失效(CCFs)普遍存在于现实工程系统中，它的存在使得各个部件之间相互独立的假设不再成立，增加了系统的联合失效概率，从而降低了系统的可靠性。本文仅考虑由部件选择性失效传播引起的共因失效对系统可靠性产生的影响。对于考虑由部件选择性失效传播引起的共因失效的二态复杂系统可靠性评估问题，现有的基于故障树或发生函数的方法容易造成“组合爆炸”问题，计算较为繁琐，基于已有方法的缺陷，本文提出一种基于MCS的方法，该方法利用CA在计算系统对应网络连通性时并行计算的优势，能有效计算考虑共因失效及不完全保护时复杂系统的可靠性。本文还将此类问题拓展到多态系统，通过提出一种计算多状态最小路集向量的算法，并整合MCS思想，提出一种求解多态复杂系统可靠性的方法，与已有方法相比，本文提出方法不局限于能直接转化为串并联结构的系统，也不用受不完全保护群或存在共因失效的部件数目限制。本文还考虑了部件维修性对考虑共因失效的二态复杂系统可靠性的影响，并提出基于MCS的计算系统可靠性、可用性及维修特性的方法，与传统Markov链法相比，本文提出方法不用受部件寿命或维修时间分布服从指数分布的制约，也不会因为部件数目较多引起系统状态的“组合爆炸”问题。