Recientemente, se ha propuesto un método basado en enjambres llamado Algoritmo de Colibrí Artificial (AHA) para resolver problemas de optimización. El algoritmo AHA imita las capacidades de vuelo únicas y las técnicas de forrajeo inteligente de los colibríes en su entorno. En este documento, proponemos una versión modificada del AHA combinada con operadores genéticos llamada mAHA. Los resultados experimentales muestran que el mAHA propuesto mejoró la velocidad de convergencia y logró mejores resultados de búsqueda efectiva. En consecuencia, el mAHA propuesto se utilizó por primera vez para encontrar el punto máximo de potencia global (MPP). La baja eficiencia es una desventaja de los sistemas fotovoltaicos (PV) que utilizan sombreado de manera explícita. Normalmente, la curva característica de PV tiene un MPP cuando la irradiancia es uniforme. Por lo tanto, este MPP se puede lograr fácilmente con sistemas de seguimiento convencionales. Sin embargo, con sombras, las condiciones son completamente diferentes y la característica de PV tiene múltiples MPPs (es decir, algunos MPPs locales y un solo MPP global). Los enfoques tradicionales de seguimiento de MPP no pueden distinguir entre MPPs locales y MPPs globales, y por lo tanto simplemente quedan atrapados en el MPP local. En consecuencia, se requiere un MPPT optimizado con un algoritmo metaheurístico para determinar el MPP global. La mayoría de las técnicas de MPPT requieren más de un sensor, por ejemplo, sensores de voltaje, corriente, irradiancia y temperatura. Esto aumenta el costo del sistema de control. En la investigación actual, se propone un método simple de MPPT global con solo un sensor para sistemas PV considerando las condiciones de sombra. Se consideran dos escenarios de sombra para evaluar la superioridad del mAHA propuesto. Los resultados obtenidos muestran la superioridad del método de MPPT basado en un solo sensor propuesto para sistemas PV.