El aprendizaje de la estructura de las redes Bayesianas (BNs) a partir de datos ha recibido una atención creciente. Se han introducido muchos algoritmos heurísticos para buscar la red óptima que mejor se ajuste al conjunto de datos de entrenamiento dado. Para mejorar aún más el rendimiento de la optimización de colonias de hormigas (ACO) en el aprendizaje de la estructura de las BNs, este artículo propone un nuevo algoritmo coevolutivo mejorado de ACO (coACO), que utiliza la información de feromonas como factor cooperativo y la evolución diferencial (DE) como estrategia cooperativa. A diferencia del ACO básico, el coACO divide toda la colonia de hormigas en varias subcolonias (grupos), entre las cuales se adoptan operadores DE para implementar el proceso evolutivo cooperativo. Los resultados experimentales demuestran que el coACO propuesto supera al ACO básico en el aprendizaje de la estructura de las BN en términos de convergencia y precisión.