El Problema de Despacho Económico (EDP) juega un papel crítico en las operaciones del sistema eléctrico al intentar asignar la generación de energía a través de múltiples unidades al costo mínimo, mientras se satisfacen complejas restricciones operativas. Las técnicas de optimización tradicionales luchan con las no convexidades introducidas por factores como los efectos de punto de válvula, las zonas de operación prohibidas y los requisitos de reserva giratoria. Si bien los métodos metaheurísticos han mostrado promesas, a menudo sufren de problemas de convergencia y limitaciones en el manejo de restricciones. En este estudio, introducimos una nueva aplicación de la Optimización de Políticas Relativas de Grupo (GRPO), un marco de aprendizaje por refuerzo que extiende la Optimización de Políticas Proximales al integrar el aprendizaje basado en grupos y evaluaciones de rendimiento relativas. El enfoque GRPO propuesto incorpora una inicialización inteligente, exploración adaptativa y actualizaciones guiadas por élite adaptadas a la estructura del EDP. Nuestro método produce consistentemente soluciones de alta calidad y viables con una convergencia más rápida en comparación con las metaheurísticas y métodos basados en aprendizaje de última generación. Por ejemplo, en el caso del sistema de 15 unidades, GRPO logró el mejor costo de 32,421.67 USD/h con plena satisfacción de las restricciones en solo 4.24 s, superando muchas soluciones anteriores. El algoritmo también demuestra una excelente escalabilidad, generalizabilidad y estabilidad en sistemas de mayor escala sin requerir reajuste de parámetros. Estos resultados destacan el potencial de GRPO como una herramienta robusta y eficiente para la programación de energía en tiempo real en entornos de redes eléctricas inteligentes.