Se propone un controlador híbrido MPPT (seguimiento del punto de máxima potencia) que integra un FLC (controlador de lógica difusa) y el método P&O (Perturbación y Observación) para el MMPT de PV (fotovoltaico) bajo condiciones climáticas dinámicas. Se utiliza un sistema de inferencia neuro-difusa adaptativa para optimizar los parámetros y las funciones de membresía del FLC. El FLC se utiliza para encontrar la región del MPP (punto de máxima potencia); luego, se emplea la técnica P&O para rastrear con precisión el MPP. Se construyen modelos de MATLAB/Simulink para evaluar el rendimiento del algoritmo híbrido propuesto. Para validar el rendimiento del algoritmo propuesto, se realizan comparaciones con FLC y P&O independientes. El rendimiento del algoritmo propuesto se prueba contra condiciones climáticas dinámicas. Los resultados mostraron que el algoritmo propuesto mejora con éxito las respuestas dinámicas y en estado estacionario de PV bajo condiciones climáticas dinámicas severas. Más específicamente, el enfoque propuesto muestra su capacidad para alcanzar el MPP más rápido que P&O y proporciona más potencia que el FLC independiente. Finalmente, el algoritmo propuesto supera las limitaciones asociadas con el FLC y P&O.