灰盒模糊测试（CGF）是一种高效的软件测试技术，但现有方法难以同时优化多个目标。本文提出MobFuzz，一种基于多目标优化（MOO）的自适应灰盒模糊器。首先，将多目标优化过程建模为多人多臂老虎机（MPMAB）问题，自适应选择当前最合适的客观组合。其次，该模型处理能量调度，在选定客观组合下自适应分配能量给种子。此外，提出进化算法NIC，在无额外性能开销下同时优化多个目标。在12个真实程序及MAGMA数据集上的实验表明，MobFuzz优于单目标模糊器：能选择最优客观组合，使多个目标值提升高达107%，能耗最多降低55%；程序覆盖率提升最高6%，发现独特漏洞数量是基线模糊器的3倍；NIC算法性能提升至少2倍，开销仅约3%。