Este estudio propone una red neuronal difusa adaptativa (AFNN) basada en un algoritmo de colonia artificial de abejas de múltiples estrategias (MSABC) para lograr un control de navegación de robot móvil real. Durante el proceso de control de navegación, las entradas de AFNN son la distancia entre los sensores ultrasónicos y el ángulo entre el robot móvil y el objetivo, y las salidas de AFNN son las velocidades de las ruedas izquierda y derecha del robot. Se define una función de aptitud en el aprendizaje por refuerzo para evaluar el rendimiento del control de navegación de AFNN. El algoritmo MSABC propuesto mejora la desventaja de explotación pobre en la colonia artificial de abejas (ABC) tradicional y adopta las estrategias de mutación de una evolución diferencial para equilibrar la exploración y la explotación. Para escapar en entornos especiales, se diseña un controlador lógico difuso de seguimiento de pared manual (WF-FLC). Los resultados experimentales muestran que el método MSABC propuesto ha mejorado el rendimiento del fitness promedio, el tiempo de navegación y la distancia recorrida en un 79.75%, 33.03% y 10.74%, respectivamente, en comparación con el método ABC tradicional. Para demostrar la viabilidad del controlador propuesto, se realizaron experimentos en el robot móvil PIONEER 3-DX real, y el método de control de navegación propuesto se completó con éxito.