A confiabilidade de estruturas apresenta sólidos desenvolvimentos teóricos e crescentes aplicações práticas. Durante os últimos anos, avanços significativos foram obtidos em termos dos métodos de transformação (FORM, SORM), bem como em termos das técnicas de simulação de Monte Carlo. Métodos de transformação se mostraram eficientes para problemas de dimensões e não-linearidades moderadas. Já técnicas de simulação sempre permitiram a solução de problemas de grandes dimensões e fortemente não lineares, embora o custo computacional possa ser uma séria limitação. Com o avanço da capacidade de processamento dos computadores e com o desenvolvimento de técnicas de amostragem inteligente, a simulação de Monte Carlo passa a ser cada vez mais viável. Este trabalho tem por objetivo estudar e programar em computador técnicas de amostragem inteligente em simulação de Monte Carlo. O StRAnD é um programa de computador que já possui implementadas as técnicas de simulação de Monte Carlo Bruto e com Amostragem por Importância, ambas utilizando a Amostragem Simples na geração das variáveis básicas. Assim, são adicionadas, ao StRAnD, as técnicas de Amostragem Assintótica, Amostragem Melhorada e Simulação de Subconjuntos. Além disso, são programadas as técnicas de Amostragem por Hipercubo Latino e Amostragem por Variáveis Antitéticas. Nesta dissertação, são analisados seis problemas distintos, de forma que as vantagens e desvantagens de cada técnica sejam avaliadas, em termos da probabilidade de falha, do coeficiente de variação da probabilidade de falha, do erro relativo da probabilidade de falha e do tempo de processamento.

The structural reliability presents solid theoretical developments and increasing practical applications. During the past few years, significant advances were achieved in terms of transformation methods (FORM and SORM), as well as, in terms of Monte Carlo Simulation. Transformation methods are effective in problems with moderate dimensions and moderate nonlinearities. On the other hand, simulation techniques can be used to solve high-dimensional problems and highly nonlinear problems, although the computational cost could be a serious limitation. With the progress of computer processing capacity and with the development of intelligent sampling techniques, the Monte Carlo Simulation becomes increasingly feasible. This work aims to study and program intelligent sampling techniques in Monte Carlo simulation. The StRAnD (Structural Reliability Analysis and Design) software already has Crude Monte Carlo and Importance Sampling Monte Carlo, both using Simple Sampling as basic samples generator. Thus, the Asymptotic Sampling technique, the Enhanced Sampling technique and the Subset Simulation were added to the software. Moreover, the Latin Hypercube Sampling technique and the Antithetic Variates techniques were also added to the software. Six problems were evaluated in order to evaluate the advantages and disadvantages of each technique, in terms of probability of failure, coefficient of variation of the probability of failure, relative error and processing time.