在目前风险度计算中，设计人员不仅希望获得结构体系的失效概率，还希望获得设计验算点。蒙特卡罗模拟法虽然精度高，但无法得到设计验算点；广泛采用的JC法需要对结构体系的极限状态函数做线性化处理，给计算结果带来误差。粒子群优化算法是一种仿生进化算法，能有效处理复杂的全局最优化问题。　　 本文在总结和回顾现有的风险度计算方法基础上，提出了基于Hasofer-Lind可靠度指标优化的风险度计算方法，并建立了模型，将风险度计算问题转为带约束的最小值优化问题。　　 在试验-分析-推断-验证的逻辑体系下，基于MATLAB语言，深入分析了PSO的参数特性及其对算法性能的影响，阐述了PSO中的几个确定性现象。提出在PSO中，群体历史最优位置gbest的进化区域是关键区域；在进化中，粒子多样性损失过快或不足，是造成PSO早熟收敛或陷入局部最优的主要原因。　　 基于上述工作与结论，确定了改进方针与目标，提出一种具有定期迁徙能力的粒子群优化算法CMPSO，经在基准函数上测试，本策略显著提高了算法的计算速度和精度，并具有一定的稳定性。　　 最后，以澄碧河水库大坝为例，建立了大坝坝坡失稳风险度计算模型，并用CMPSO求解，结果与蒙特卡洛模拟法基本一致，满足精度要求。