Una Red de Sensores Inalámbricos (WSN) es un grupo de sensores autónomos distribuidos geográficamente. Sin embargo, los nodos de sensor en las WSN están alimentados por batería, y el agotamiento de energía es un problema significativo. El enfoque de agrupación juega un papel imperativo en aumentar la vida útil de las WSN. Este enfoque reúne a los sensores en clústeres y selecciona los jefes de clúster (CHs). Los CHs acumulan la información de los miembros del clúster y transfieren los datos a la estación base (BS). Sin embargo, la tarea más desafiante es seleccionar los CHs óptimos y así mejorar la vida útil de la red. Este artículo presenta un marco de selección óptima de jefes de clúster utilizando aprendizaje basado en oposición híbrida con el algoritmo de optimización de lobo gris. La técnica híbrida intercambia dinámicamente entre las estrategias de búsqueda de explotación y exploración en la selección de los mejores CHs. Además, se utilizan cuatro métricas diferentes como el consumo de energía, la distancia mínima, la centralidad del nodo y el grado del nodo. Este mecanismo de selección propuesto mejora la eficiencia de la red al seleccionar los CHs óptimos. Además, el algoritmo propuesto se experimenta en MATLAB (2018a) y se valida mediante diferentes métricas de rendimiento como energía, nodos vivos, posición de BS y ratio de entrega de paquetes. Los resultados obtenidos del algoritmo propuesto muestran un mejor resultado en términos de más nodos vivos por ronda, máximo número de paquetes entregados a la BS, energía residual mejorada y vida útil mejorada. Por último, el algoritmo propuesto ha logrado una mejor vida útil de ~20%, ~30% y ~45% en comparación con las técnicas de optimización de lobo gris (GWO), colonia artificial de abejas (ABC) y jerarquía de agrupamiento adaptativo de baja energía (LEACH).