La carga económica de despacho (ELD) pertenece a un problema de optimización no convexo que tiene como objetivo reducir el costo total de generación de energía al satisfacer las restricciones de demanda. Sin embargo, resolver el problema ELD es una tarea desafiante debido a sus restricciones de paridad y disparidad. El Optimizador Inspirado en Palomas (PIO) es un algoritmo de optimización recientemente propuesto, que pertenece a la familia de algoritmos de inteligencia de enjambre. El algoritmo PIO tiene el beneficio de la simplicidad conceptual y proporciona mejores resultados para varios problemas del mundo real. Sin embargo, este algoritmo tiene la desventaja de la convergencia prematura y la estancación local. Por lo tanto, proponemos un algoritmo de Optimizador Inspirado en Palomas Opositor (OPIO) para superar estas deficiencias. El algoritmo propuesto emplea el Aprendizaje Basado en Oposición (OBL) para mejorar la calidad del individuo, explorando el espacio de búsqueda global. El algoritmo propuesto se utilizaría para determinar la demanda de carga de un sistema de energía, manteniendo varias restricciones de igualdad e desigualdad, para disminuir el costo total de generación. En este trabajo, el algoritmo OPIO se aplicó para resolver el problema ELD de sistemas de prueba de pequeña (13 unidades, 40 unidades), mediana (140 unidades, 160 unidades) y gran escala (320 unidades, 640 unidades). Los resultados experimentales del algoritmo OPIO propuesto demuestran su eficiencia sobre el algoritmo PIO convencional y otros enfoques de vanguardia en la literatura. Los resultados comparativos muestran que el algoritmo propuesto proporciona mejores resultados en términos de mayor precisión, mayor tasa de convergencia, menos tiempo de cálculo y menor costo de combustible que los otros enfoques.