Enrico Zio(齊奧)教授編著的這本《性與風險分析算法》主要介紹用概率的方法對事件進行定量分析，闡述了復雜技術系統性和風險特征的多種計算方法。主要內容包括：馬爾可夫方法對系統建模并進行性和可用性分析的基礎，性和可用性分析的蒙特卡羅仿真理論，馬爾可夫鏈蒙特卡羅方法，遺傳算法理論及應用，相關失效建模分析方法，重要性度量以及靈敏度和不確定性分析等。同時，本書設計性和風險分析的多種方法，提供了超過30個數值案例，并用大量圖表形象、直觀、地闡釋理論和應用，具有很強的工程參考價值和學習價值。
本書主要面向從事性和風險分析的工程技術人員、科研人員、項目管理者，也可作為性工程、風險管理等學科的教學參考資料。
性與風險分析算法》是性系統工程和安全工程領域理論和應用相結合的基礎著作，闡述了復雜技術系統性和風險分析的多種概率統計相關算法，同時運用數值算例對理論進行支撐，書中大量的圖表直觀、形象地描述和解釋了理論與案例。該書作者Enrico Zio(齊奧)教授為性工程與系統安全工程的專家。該書內容詳實，基礎性強，適合作為高年級本科生或研究生課程教材，或作為本領域研究者的基礎理論資料。性學術專著譯叢系列圖書:《貝葉斯概率風險評估》《貝葉斯性》《脆弱系統》《復雜網絡健壯性》《復雜系統與過程性及安全性》《關鍵基礎設施風險相互依賴性》《系統重要性測度原理與應用》《性與風險分析蒙特卡羅方法》《性與風險分析算法》《系統工程與分析(第5版)》《系統性研究新進展》《系統軟件性》《保修數據收集與分析》《產品性規范與性能》《軟件工程師可信計算基礎》
第1章 馬爾可夫性和可用性分析
1.1 引
1.2 離散時間離散狀態馬爾可夫過程
1.2.1 概念模型
1.2.2 狀態概率
1.2.3 多步轉移概率
1.2.4 基本方程的解法
1.2.5 遍歷系統的穩定狀態概率
1.2.6 首達概率
1.3 連續時間離散狀態馬爾可夫過程
1.3.1 概念模型
1.3.2 基本方程的解法
1.3.3 故障強度
1.3.4 已知狀態的平均占用時間
1.3.5 系統可用性
1.3.6 系統性
參考文獻
第2章 性和可用性分析的蒙特卡羅仿真
2.1 引
2.2 系統工程中的蒙特卡羅仿真
2.3 系統不度和不可用度估計的蒙特卡羅仿真
2.3.1 蒙特卡羅仿真過程
2.3.2 直接和間接蒙特卡羅仿真
參考文獻
第3章 性和可用性分析中的馬爾可夫鏈蒙特卡羅方法
3.1 引
3.2 Metropolis-Hastings算法
3.3 Gibbs抽樣
3.4 可逆跳MCMC算法
3.4.1 零部件性能退化或提高條件下失效率的估計
3.4.2 疲勞退化過程的參數估計
3.5 貝葉斯更新
3.6 MCMC算法實現的實際問題
3.6.1 動力學方程K(.|.)的選擇
3.6.2 老煉期
3.6.3 迭代次數
3.6.4 初始條件
3.6.5 其他算法
參考文獻
第4章 遺傳算法基礎及其在系統性和可用性優化中的應用
4.1 引
4.2 遺傳算法簡介
4.3 標準遺傳算法
4.4 染色體適應度的仿射變換
4.5 高級育種程序
4.6 育種程序的效率
4.6.1 品質因數
4.6.2 測試函數
4.6.3 結論
4.7 物種和生態位的誘導
4.7.1 地理隔離
4.7.2 空間配種
4.7.3 共享
4.8 多目標優化
4.9 遺傳算法在RAMS中的應用
4.10 實例
4.10.1 系統設計的多目標優化：一個簡單應用
4.10.2 核安全系統檢查策略的多目標優化
4.11 討論
參考文獻
第5章 相關失效
5.1 引
5.2 一般分類
5.3 相關失效的識別與預防措施
5.4 相關失效的定義
5.5 相關失效的分析方法
5.5.1 顯式方法的實例
5.5.2 隱式方法為相關失效建模的實例
5.6 共因失效分析的方法論體系
5.6.1 系統邏輯模型的建立
5.6.2 共因元件組的識別
5.6.3 共因失效建模和數據分析
參考文獻
第6章 重要性度量
6.1 引
6.2 Bimbaum方法
6.2.1 與系統結構函數的關系
6.3 臨界重要性
6.4 Fussell-Vesely方法
6.5 風險增加當量和風險降低當量
6.5.1 風險增加當量
6.5.2 風險降低當量
6.6 重要性度量的分析和局限
6.7 廣義風險重要性度量方法
6.8 多重基本事件的重要性度量
6.8.1 風險增加當量
6.8.2 Bimbaum重要度
6.8.3 Fussell-Vesely重要度
6.8.4 風險降低當量
6.9 系統風險變化的重要性度量方法之間的關系
6.10 微分重要性度量方法(DIM
6.11 多狀態系統的重要性度量
6.11.1 引
6.11.2 多狀態系統模型
6.11.3 多狀態系統的重要性度量
6.11.4 基于多狀態組件性能限制的重要性度量
6.11.5 多狀態系統重要性度量方法的比較
參考文獻
第7章 不確定性和靈敏度分析的基本概念
7.1 引
7.2 局部和全局不確定性分析
7.3 近似分析方法：矩法
7.4 離散方法
7.4.1 標稱范圍的靈敏度
7.4.2 事件和概率樹
7.4.3 離散概率方法
7.5 蒙特卡羅方法
7.6 線性回歸法
7.7 方差分解法
7.8 Sobol指標和Fourier振幅靈敏度測試
7.9 模型結構不確定性
7.9.1 替代模型法
7.9.2 調節因子法
參考文獻
附錄
