在机械加工中,夹具是应用广泛的夹持装备。但随着机械加工技术的迅速发展,传统的基于经验的夹具设计已经逐渐不能适应高效精密生产的需求。加工质量是影响高效精密生产的主要因素,而影响加工质量的直接因素又是工件的位置偏移。为此本文针对刚性件,建立了多目标的工件位置偏移模型,提出了改进后多目标进化算法对其进行优化,以此寻得更加合理的夹具布局。本文以减小刚性件的工件位置偏移量为目的。分析了装夹布局的合理性,包括正确的定位,以及合理的约束条件。针对传统工件位置偏移模型的不足,分析了夹紧力、接触力、接触力与局部变形的关系以及局部变形与工件位置偏移的关系,从而建立了多目标的工件位置偏移模型,来满足工件在x,y,z三个方向上精度不同的要求,以此来获得合理的夹具布局。在对夹具布局进行优化时,先研究了基于分解的多目标进化（MOEA/D）算法的基本原理,包括MOEA/D算法的特点、基本原理、分解策略以及具体的算法框架。针对夹具中定位点有大量的组合方式,需要算法拥有较强的搜索能力,因此引入基于高斯变异的迁移行为对基于分解的多目标进化算法进行改进,提升了种群的整体适应能力。最后通过测试函数和铣通槽的实例证明改进后的方法拥有更强的搜索能力,可以在各方向上搜寻到更优的解。为进一步提升算法的搜索能力,在第三章算法的基础上引入全局搜索能力较强的量子粒子群算法（QPSO）。先研究了量子粒子群算法的基本原理、算法框架和流程以及其优点。接着结合MOEA/D算法中相邻子问题的特点,对量子搜索的方式进行了改进,提出了基于邻居位置的量子搜索方式,将原方法生成吸引点时的全局最优个体变更为全局最优个体的最远邻居位置,这么做的目的是在迭代后期开始收敛时,不让其过早收敛到当前最优点,而是可以在一定范围内继续做一个小范围的局部搜索,加强了迭代后期的局部搜索能力,防止算法陷入“早熟”。并用其代替第三章算法的第一种迁移方式来提升算法的全局搜索能力。通过与第三章相同的测试函数和铣通槽实例来证明改进后的算法整体性能更优。