(1)蒙特卡罗模拟法(Monte Carlo Simulation)(包括高效的取样法和方差缩减技术)；
(2)响应面法(response Surface Method))
(3)基于敏感性的分析方法(Sensitivity—based Approach)
(3.1)蒙特卡罗模拟法(Monte Carlo Simulation)。 蒙特卡罗模拟法的基本思想是在进行每一次确定性分析之前随机产生一组输入变量，大量重复的进行确定性分析之后，对结构的响应输出参数进行统计分析，计算出结构的可靠性。把蒙特卡罗模拟法与有限元法结合起来，就得到蒙特卡罗有限元法。通常把蒙特卡罗有限元法作为可靠度计算的相对精确解，但要达到较高的精度，必须取足够的样本数，因此计算工作量相当浩大。
(3.3)基于敏感性的分析方法(Sensitivity—based Approach)。基于敏感性的分析法和一次可靠度方法(FORM)／二次可靠度方法(SORM)结合起来分析具有隐式型的功能函数的可靠性问题，能克服蒙特卡罗模拟法和响应面法的缺点。这种方法在寻找控制点(也叫至小距离点)过程中，每一步迭代所使用的信息都是功能函数的真实值和真实梯度，并使用优化方法使控制点收敛于至小距离点，同蒙特卡罗模拟法和响应面法相比，它耗时小，也比响应面法更准确。另外，基于敏感性的分析方法能够从设计的角度知道结构响应对基本随机变量的敏感性。从而有可能基于随机变量的不确定性和它们对结构特性的影响得出不同随机变量的不同设计安全系数。基于敏感性的分析方法也可以在不影响计算准确性的条件下，忽略那些对结构可靠性影响不大的随机变量，从而节省计算时间。基于敏感性的分析方法中可以使用迭代摄动分析技术，并和有限元法结合起来产生所谓的随机有限元法(Stochastic Finite Element Method)。这种使用迭代摄动技术的随机有限元法可用来进行结构的非线性分析。
