在通常的多目标进化算法中,都默认多目标之间一直存在冲突来解决的。但是在实际问题中,并不是所有情况下,目标之间都存在冲突。在这种类型的问题中,因为一些收敛性更好的解会因为分布而被更差的解所支配,因此帕累托支配可能会失效。本文针对这一特性,提出了一种基于非冲突特性的多目标进化算法的混合框架(MS),该框架混合使用MOEA和SOEA,在保证不显著降低多目标进化算法性能的同时,减少计算资源。在进化过程中,通过计算目标之间是否发生冲突,将种群划分为两个子种群。然后将SOEA应用于目标不冲突的子种群,MOEA应用于目标冲突的子种群。该方法综合了SOEA和MOEA的优点,SOEA能够快速收敛到Pareto前沿,MOEA能够保持较好的种群分布。本文针对目标之间不严格冲突的特性,根据现有测试问题设计了一套新的测试问题集。该问题集包含了一般测试问题拥有的特性和目标不严格冲突特性,能够很好地评价框架是否有效。本文提出的框架在这7个新的问题上进行实验,对比了三个方向的经典算法(NSGA-II、MOEA/D-Tch、SMS-EMOA)和在加入框架后的算法在时间和两个综合指标IGD,HV上的性能。从实验数据可以看出,本文提出的框架在减少运行时间方面具有很强的竞争力,并且不会造成性能损失。在实际问题,机械臂模型实验中,加入了MS框架的算法和原始算法比较也大大降低运行时间,并且精度保持在一个可以接受的范围内。这主要归功于SOEA的应用,和MOEA相比SOEA不需要保持种群分布性的策略,大大降低了运行时间,在目标不冲突区域,目标同增或同减,可以简化成一个目标,因此SOEA能够更快地收敛,从而提高了算法的整体性能。