This thesis presents a collection of original contributions pertaining to the subjects of reliability-based design optimization (RBDO) and model updating of civil engineering structures and systems. In this regard, probability theory concepts and tools are instrumental in the formulation of the herein reported developments. Firstly, two approaches are devised for the RBDO of structural dynamical systems under stochastic excitation. Namely, a stochastic search technique is proposed for constrained and unconstrained RBDO problems involving continuous, discrete and mixed discrete-continuous design spaces, whereas an efficient sensitivity assessment framework for linear stochastic structures is implemented to identify optimal designs and evaluate their sensitivities. Moreover, two classes of model updating problems are considered. In this context, the Bayesian interpretation of probability theory plays a key role in the proposed solution schemes. Specifically, contaminant source detection in water distribution networks is addressed by resorting to a sampling-based Bayesian model class selection framework. Furthermore, an effective strategy for Bayesian model updating with structural reliability methods is presented to treat identification problems involving structural dynamical systems, measured response data, and high-dimensional parameter spaces. The approaches proposed in this thesis integrate stochastic simulation techniques as an essential part of their formulation, which allows obtaining non-trivial information about the systems of interest as a byproduct of the solution processes. Overall, the findings presented in this thesis suggest that the reported methods can be potentially adopted as supportive tools for a number of practical decision-making processes in civil engineering.
Diese Arbeit stellt eine Sammlung von Beiträgen vor, die sich mit der Reliability-based-Design-Optimization (RBDO) und dem Model updating von Strukturen und Systemen im Bauwesen befassen. In diesem Zusammenhang sind wahrscheinlichkeitstheoretische Konzepte für die Formulierung der hier vorgestellten Entwicklungen von entscheidender Bedeutung. Zunächst werden zwei Ansätze für eine RBDO von strukturdynamischen Systemen unter stochastischer Anregung entwickelt. Es wird eine stochastische Suchtechnik für beschränkte und unbeschränkte RBDO-Probleme vorgeschlagen. Diese beziehen kontinuierliche, diskrete und gemischt diskret-kontinuierliche Designräume ein. Gleichzeitig wird ein effizientes Framework zur Bewertung der Sensitivität lineare stochastische Strukturen implementiert, um optimale Designs zu identifizieren und ihre Sensitivitäten zu bewerten. Darüber hinaus werden zwei Klassen von Problem aus dem Model updating betrachtet. Der Fokus wird hierbei auf die Erkennung von Kontaminationsquellen in Wasserverteilungsnetzen mithilfe eines auf Stichproben basierenden Bayesian-Model-Class-selection-Framework gelegt. Ferner wird eine effektive Strategie zur Bearbeitung von Problemen des Bayesian-Model-updating, die strukturdynamischen Systeme, gemessene Systemantwortdaten und hochdimensionale Parameterräume umfassen, vorgestellt. Die beschriebenen Ansätze verwenden stochastische Simulationstechniken als wesentlicher Bestandteil ihrer Formulierung, wodurch nicht-triviale Informationen über betrachtete Systeme als Nebenprodukt der Lösungsprozesse gewonnen werden können. Insgesamt deuten die vorgestellten Ergebnisse dieser Arbeit darauf hin, dass die beschriebenen Methoden potenziell als unterstützende Elemente in praktischen Entscheidungsproblemen im Zusammenhang mit Strukturen und Systemen im Bauwesen eingesetzt werden können.