ニューラルネットワークの学習やエネルギーシステムの制御，新幹線の形状設計など多くの工学分野や産業分野の問題が最適化問題を解くことに帰着される．しかし，ほとんどの問題が現実的な時間内で厳密解の求解が困難になってしまうため，生物の進化や群れ行動を模倣した進化計算（EC）という近似解法の枠組みが存在する．そのECの1つに差分進化（DE）という手法があり，DEのパラメータ調整を動的に行う適応的差分進化が提案されているが，多峰性関数における探索性能の低い．そこで本研究では，相互作用ネットワークを取り入れ，遺伝子の相関を考慮することで局所解に陥りにくくした適応的差分進化を提案し，その有効性を確認した．