Actualmente, numerosos algoritmos inteligentes de seguimiento del punto de máxima potencia (MPPT) son capaces de abordar el desafío de optimización global de la potencia de salida fotovoltaica de varios picos bajo condiciones de sombreado parcial, sin embargo, a menudo enfrentan problemas como una convergencia lenta, baja precisión de seguimiento y fluctuaciones de potencia sustanciales. Para abordar estos desafíos, este documento introduce un algoritmo híbrido que integra un algoritmo de enjambre de salp mejorado (SSA) con el método de perturbación y observación (P&O). Inicialmente, el SSA se mejora con un mecanismo de evolución espiral dinámico y una estrategia de vuelo de Lévy, expandiendo el espacio de búsqueda y fortaleciendo las capacidades de búsqueda global, lo que a su vez mejora la precisión del seguimiento. Posteriormente, la aplicación de un operador gaussiano para cálculos de distribución permite el ajuste adaptativo de los tamaños de paso en cada iteración, acelerando la convergencia y disminuyendo las oscilaciones de potencia. Finalmente, la integración con P&O facilita una búsqueda meticulosa con un tamaño de paso pequeño, asegurando una convergencia rápida y mitigando aún más las oscilaciones de potencia post-convergencia. Tanto las simulaciones como los resultados experimentales indican que el algoritmo propuesto supera a la optimización por enjambre de partículas (PSO) y a la optimización del lobo gris (GWO) en cuanto a velocidad de convergencia, precisión de seguimiento y reducción en la magnitud de la oscilación de potencia de iteración.