1
ALGORITMO DE BORUVKA
E. Fidel, S. Yupanqui, A. Pacahuala y D. Sotelo
 investigación.
Resumen - El objetivo del presente artículo es explicar
el funcionamiento del algoritmo de Boruvka, que busca
encontrar el árbol generador de peso mínimo en un grafo
ponderado (MST), este método tiene múltiples aplicaciones en
sistemas de geolocalización, urbanismo e implementación de
redes en general. En particular en el presente trabajo se aplicará
este algoritmo para la implementación de delineadores en ciclo
vías en las pistas de la Universidad Nacional de Ingeniería, en
donde se logre optimizar la mayor cantidad de recursos
económicos y de espacio en su implementación.
Índice de términos: Algoritmo de Boruvka, árbol de expansión
mínima (MST), vértices, nodos, peso, optimización.
I. INTRODUCCIÓN
E
l algoritmo de Boruvka que basa su funcionamiento
mediante el cálculo de un árbol recubridor mínimo
en un grafo ponderado, es aplicado en distintas áreas
de sistemas complejos de redes y caminos tales como en la
construcción de rutas de transporte urbano, desarrollo de
planos en ciudades, redes de distribución energética y de
telecomunicaciones. [1]
En el presente artículo se buscará obtener el árbol de
expansión mínima (MST) con respecto al plano del campus
universitario de la Universidad Nacional de Ingeniería para la
implementación de delineadores de ciclovías dentro de la
universidad, esto se hará mediante el análisis estructural del
plano de la universidad e implementando cada dato recopilado
en la utilización del algoritmo de Boruvka.
Lo mencionado se logrará planteando en el capítulo II los
antecedentes que ayudaron al desarrollo del algoritmo de
Boruvka, después en el capítulo III se definirá el Algoritmo de
Boruvka, detallando su utilización y los pasos a seguir en su
implementación; consiguientemente en el capítulo IV se
pondrá en conocimiento las diversas aplicaciones prácticas en
la realidad que usan en su funcionamiento el algoritmo de
Boruvka aunado a otros algoritmos complementarios;
posteriormente en el capítulo V se desarrollará la aplicación
práctica que consistirá en la implementación de delineadores
en la ciclovias de la UNI, detallando el pseudocódigo
utilizado, los datos recopilados y la cuantificación de estos
para lograr así dicha red, finalmente en el capítulo VI se
detallaran las conclusiones obtenidas en el presente trabajo de
II. ANTECEDENTES
Ante la necesidad de encontrar una optimización combinatoria
y explorar en regiones factible e infectables se buscó encontrar
un algoritmo que mecanicé y amplié el panorama conceptual
de estos.
Es así como Otakar Boruvka en 1926 formuló el algoritmo
de Boruvka, por la necesidad de construir una red eléctrica que
optimice recursos económicos y que logre conectar todas las
ciudades en el sur de Moldavia.
Debido a su gran velocidad de convergencia, siendo
bastante eficiente fue ideal para su implementación en otras
ramas. Posteriormente el Algoritmo fue redescubierto por
Choquet en 1938, en donde aplicó dicho algoritmo en el
análisis funcional, topología y teoría de medidas. También fue
utilizado por Florek y Lukasiewicz en donde lograron
implementar dicho algoritmo en el análisis matemático y
teoría de probabilidades recurrentes en campos discretos.
Actualmente el algoritmo de Boruvka complementado con
otros algoritmos como Prim, Seleccionado, Kruskal, Dijkstra y
Sollin son utilizados en la formulación de redes sistémicas de
unión y optimización cuyas aplicaciones son múltiples en
casos reales. [2]
III. ALGORITMO DE BORUVKA
El algoritmo de Borůvka se utiliza para encontrar el árbol
de expansión mínima en un gráfico conexo, ponderado y no
dirigido, recordemos que un gráfico es conexo cuando existe
un camino entre cualquiera de sus nodos, no dirigido cuando
los bordes son bidireccionales y ponderado cuando a cada
arista se le asigna un número (peso) que puede representar una
distancia, capacidad, precio, etc.
El pseudocódigo del algoritmo de Borůvka según [3] sería
así:
1. Inicializamos todos los nodos como componentes
individuales.
2. Inicializamos el árbol de expansión mínima S como
un conjunto vacío que contendrá la solución.
 2

3. Mientras haya más de un componente: El Gráfico se vería así:

• Encuentre la arista de peso mínimo que conecta este
componente con cualquier otro componente.
• Si esta arista no está en el árbol de expansión mínimo
S, se le agrega.
• Si solo queda un componente, hemos llegado al final
del árbol.
4. Retornar S.

Ahora veremos un ejemplo de la aplicación del

pseudocódigo sobre el grafo de la Fig. 1.

Fig. 2 El grafo con las aristas de la 2da columna de la TABLA 1

remarcadas

Debido a que todavía no todos los nodos están conectados

repetimos el paso 3:

TABLA II
COMPONENTES Y ARISTAS DE PESO MÁS PEQUEÑO 2

Componentes Arista de peso más pequeño Peso de la

que la conecta con otro arista
componente
{A, D, F} A-B 7
{B, E, C, G} B-A 7

El gráfico se vería así:

Fig. 1 Grafo que se usará para aplicar el algoritmo de Borůvka

Paso 1: Inicializaremos todos los nodos como componentes:

Componentes: {{A}, {B}, {C}, {D}, {E}, {F}, {G}}

Paso 2: Inicializamos el árbol de expansión mínima:

Árbol de expansión mínima: S = Ø

Paso 3: Mostramos la tabla de componentes y las aristas de

peso más pequeña que las conectan con otras componentes. Fig. 3 El grafo con las aristas de la 2da columna de la TABLA 2
remarcadas

TABLA I Paso 4: Devolvemos el árbol de expansión mínima (S):

COMPONENTES Y ARISTAS DE PESO MÁS PEQUEÑO 1

Componentes Arista de peso más pequeño Peso de la

que la conecta con otro arista
componente
{A} A-D 5
{B} B-E 6
{C} C-E 5
{D} D-A 5
{E} E-C 5
{F} F-D 6
{G} G-E 9 Fig. 4 Árbol de expansión mínima del grafo de la Fig. 1

IV. APLICACIONES DEL ALGORITMO DE BUROVKA
Sabiendo que el algoritmo de Boruvka genera un árbol de
expansión mínimo, se puede entender que sus aplicaciones
están relacionadas a los procesos que requieren de los árboles
de expansión mínima, estos procesos se vuelven mucho más
eficaces gracias a este algoritmo, como ejemplo tenemos a los
siguientes procesos y protocolos [4].
 El diseño de redes, tales como las de
telecomunicaciones, transporte, abastecimiento de
agua y saneamiento y redes eléctricas.
 Internet, al ser una mega red, requiere de
árboles de expansión mínima para evitar bucles, esto
es igual para las redes ethernet.
 En el modelamiento de mercados
financieros, estos pueden ser entendidos como un
conjunto de redes complejas y, dada la efectividad
del algoritmo de Boruvka, este puede ser utilizado
para representarlos.
 Solución de caminos máximos y para hallar
cuellos de botella en un sistema de transporte, de
producción o en varios otros.
 Registro de imágenes por computador, el
reconocimiento facial se basa en la búsqueda de
patrones que conforman un grafo y el árbol de
expansión mínimo como forma de iniciar un proceso
de detección.
 Solucionar problemas de optimización de
caminos en grafos usando diferentes computadores,
sistema conocido como computadores paralelos.
V. PLANTEAMIENTO DEL PROBLEMA
A. Situación problemática
Al encontrar las relaciones de menor peso entre datos
contenidos en vértices que conforman un grafo, el Algoritmo
de Boruvka puede utilizarse para diseñar rutas de recorridos en
sistemas de carreteras o itinerario de rutas aéreas para que las
rutas planificadas sean más eficientes, puesto que este
algoritmo da nacimiento a lo que conocemos como árbol de
expansión de peso mínimo.
Conociendo su aplicación de este logaritmo, se puede llegar
a aplicar el logaritmo con el fin de aplicarlo para hallar la ruta
óptima, en donde se obtenga una ruta donde todos los vértices
están conectados; es decir, encontrar un MST (Árbol de
3
expansión mínima) en un grafo ponderado dado en donde sus
arcos tengan pesos distintos siendo este algoritmo muy usado
como un método eficiente para el diseño de redes de
telecomunicaciones, sistemas distribuidos y otros.
El problema planteado para esta investigación es el
siguiente. En la Universidad Nacional de Ingeniería, se está
tratando de implementar proyectos eco amigables con el fin
que tanto como la institución como los estudiantes adopten
hábitos que ayuden a proteger el medio ambiente, tales como
un incremente notable de tachos de basura con indicadores
para el reciclaje de este, la implementación de tachos para
reciclaje de botellas en forma de osos polares con el fin de
incentivar y concientizar a la gente a el cuidado del ambiente y
también estaciones de bicicletas.
El problema viene a ser que a pesar de que la institución ha
ido progresivamente implementando estaciones de bicicletas,
no existe una separación o separador en las pistas de la
Universidad Nacional de Ingeniería el cual delimite un carril
para los automóviles y para los ciclistas, siendo este esencial
para la seguridad de los ciclistas dentro de la UNI. Con la
aplicación del Algoritmo de Boruvka, se buscará obtener una
ruta óptima en el cual un ciclista puede ir hacia cualquier
facultad y principales establecimientos dentro de la UNI por
una ruta el cual no demande un alto presupuesto puesto que se
buscará obtener el MST a partir de un grafo basado de la
Universidad Nacional de Ingeniería.
B. Objetivos
 Objetivo general:
Se busca obtener el MST a partir de un grafo basado
de la Universidad Nacional de Ingeniería con el fin
de la implementación de delineadores de ciclovías en
las pistas el cual no demande un alto presupuesto,
pero que los ciclistas tengan acceso a todas facultades
y principales establecimientos de la UNI.
 Objetivos específicos:
- Obtener el MST de un grafo basado en las pistas
de la Universidad Nacional de Ingeniería
aplicando el algoritmo de Boruvka
- Establecer puntos en todas las facultades de la
UNI y principales establecimientos con el fin de
establecerlos como vértices del MST.
- Obtener las distancias entre los establecimientos
de la UNI para la obtención del MST a través del
algoritmo de Boruvka.
 4

C. Aplicación del algoritmo en el problema TABLA III

RELACIÓN ENTRE EL NOMBRE DE UN NODO Y SU
IDENTIFICADOR
Con el fin de brindar solución a la problemática, se ha
considerado utilizar el Algoritmo de Boruvka en donde Indicador Lugar
primero se establecerá 26 vértices los cuales serán nombrados 0 FIIS
dependiendo de su cercanía con las facultades o principales 1 FIEE-FC
establecimientos de la Universidad Nacional de ingeniería y 2 ARUNI
31 aristas las cuales unirán los vértices del grafo basado en las 3 FIGMM1
pistas de la UNI, estas aristas nos indican la distancia en 4 FIGMM2
metros redondeado obtenido del famoso servidor de 5 FIEECS
aplicaciones de mapas, Google Maps. 6 FIC
7 CEPS
8 FIA
9 COLISEO1
10 COLISEO2
11 GIMNASIO
12 FIP1
13 FIP2
14 FIQT
15 FIM1
16 CAJA
17 PTA.5
18 ADMISION_UNI
19 PTA.4
20 FAUA
21 TEATRO1
Fig. 4. Creación de un grafo a partir de un mapa de la Universidad 22 TEATRO2
Nacional de Ingeniería. Elaboración propia 23 FIM2
24 FIM3
25 PTA.3

TABLA IV
DISTANCIAS ENTRE CADA PAR DE NODOS
CONECTADOS

Nodo A Nodo B Distancia

0 12 206 m
0 2 207 m
0 1 149 m
1 17 145 m
1 2 118 m
1 5 263 m
2 3 283 m
3 5 109 m
3 9 128 m
Fig. 5. Grafo de las pistas de la Universidad Nacional de Ingeniería. 5 6 126 m
Elaboración propia 5 18 161 m
6 19 135 m
6 9 114 m
6 7 144 m
7 20 77 m
Con el fin de la implementación de este grafo al 7 8 31 m
seudocódigo, se ha creado una tabla el cual relacionará el 8 21 97 m
8 13 85 m
nombre de cada nodo con un número, el cual será su 9 11 120 m
identificador. 9 10 89 m
10 4 102 m
10 11 132 m
11 8 142 m
11 14 170 m
13 22 88 m
13 15 126 m
14 15 30 m
14 23 124 m
15 16 61 m
16 25 40 m
16 24 226 m
 5

parent[yroot] = xroot
El algoritmo de Boruvka se desarrollará en el lenguaje de #Si los rangos son los mismos, haga
programación Python. A continuación, se muestra el algoritmo
uno como raíz e incremente
y las entradas necesarias en el código [5].
# su rango por uno
# Algoritmo de Boruvka para encontrar la else :
amplitud mínima parent[yroot] = xroot
# Árbol de un grafo conexo, no dirigido y rank[xroot] += 1
ponderado dado
# La función principal para construir
from collections import defaultdict MST usando el algoritmo de Kruskal
def boruvkaMST(self):
#Class to represent a graph predecesores = []; distancia = [];
class Graph:
cheapest =[]
def __init__(self,vertices):
self.V= vertices #No. de vertices numArboles = self.V
self.grafo = [] #Diccionario MST = 0.0
predeterminado para almacenar el gráfico
# Crear subconjuntos V con
elementos individuales
# función para agregar un borde al for nodo in range(self.V):
gráfico predecesores.append(nodo)
def addEdge(self,u,v,w): distancia.append(0)
self.grafo.append([u,v,w]) cheapest =[-1] * self.V
while numArboles > 1:
# Una función de utilidad para for i in
encontrar el conjunto de un elemento i range(len(self.grafo)):
# (utiliza la técnica de compresión de u,v,w = self.grafo[i]
ruta) set1 =
def find(self, parent, i): self.find(predecesores, u)
if parent[i] == i: set2 =
return i self.find(predecesores ,v)
return self.find(parent, parent[i]) if set1 != set2:

# Una función que hace la unión de dos if cheapest[set1] == -1

conjuntos de x e y or cheapest[set1][2] > w :
# (usa unión por rango) cheapest[set1] =
def union(self, parent, rank, x, y): [u,v,w]
xroot = self.find(parent, x)
yroot = self.find(parent, y) if cheapest[set2] == -1
or cheapest[set2][2] > w :
# Adjunte un árbol de rango más cheapest[set2] =
pequeño debajo de la raíz del árbol de [u,v,w]
rango alto
# (Unión por rango) for nodo in range(self.V):
if rank[xroot] < rank[yroot]:
parent[xroot] = yroot if cheapest[nodo] != -1:
elif rank[xroot] > rank[yroot]: u,v,w = cheapest[nodo]
 6

set1 = g.addEdge(13,22,88)
self.find(predecesores, u) g.addEdge(13,15,126)
set2 = g.addEdge(14,15,30)
self.find(predecesores ,v) g.addEdge(14,23,124)
g.addEdge(15,16,61)
if set1 != set2 : g.addEdge(16,25,40)
MST += w g.addEdge(16,24,226)

self.union(predecesores, distancia, set1, g.boruvkaMST()

set2)
print ("Nodo %d-%d #This code is contributed by Neelam Yadav
con distancia %d m. incluido en MST" %
(u,v,w))
Al ejecutar el programa, el algoritmo nos dará la siguiente
print () salida.
numArboles =
numArboles - 1 Nodo 0-1 con distancia 149 m. incluido en MST

#se restablece la matriz Nodo 1-2 con distancia 118 m. incluido en MST
cheapest =[-1] * self.V
Nodo 3-5 con distancia 109 m. incluido en MST

print ("El peso de MST es %d" % Nodo 10-4 con distancia 102 m. incluido en MST
MST)
Nodo 6-9 con distancia 114 m. incluido en MST
g = Graph(26)
Nodo 7-8 con distancia 31 m. incluido en MST
g.addEdge(0,12,206)
g.addEdge(0,2,207) Nodo 9-10 con distancia 89 m. incluido en MST
g.addEdge(0,1,149)
g.addEdge(1,17,145) Nodo 9-11 con distancia 120 m. incluido en MST
g.addEdge(1,2,118)
Nodo 0-12 con distancia 206 m. incluido en MST
g.addEdge(1,5,263)
g.addEdge(2,3,283) Nodo 8-13 con distancia 85 m. incluido en MST
g.addEdge(3,5,109)
g.addEdge(3,9,128) Nodo 14-15 con distancia 30 m. incluido en MST
g.addEdge(5,6,126)
g.addEdge(5,18,161) Nodo 16-25 con distancia 40 m. incluido en MST
g.addEdge(6,19,135)
Nodo 1-17 con distancia 145 m. incluido en MST
g.addEdge(6,9,114)
g.addEdge(6,7,144) Nodo 5-18 con distancia 161 m. incluido en MST
g.addEdge(7,20,77)
g.addEdge(7,8,31) Nodo 6-19 con distancia 135 m. incluido en MST
g.addEdge(8,21,97)
Nodo 7-20 con distancia 77 m. incluido en MST
g.addEdge(8,13,85)
g.addEdge(9,11,120) Nodo 8-21 con distancia 97 m. incluido en MST
g.addEdge(9,10,89)
g.addEdge(10,4,102) Nodo 13-22 con distancia 88 m. incluido en MST
g.addEdge(10,11,132)
Nodo 14-23 con distancia 124 m. incluido en MST
g.addEdge(11,8,142)
g.addEdge(11,14,170) Nodo 16-24 con distancia 226 m. incluido en MST
 7

Nodo 1-5 con distancia 263 m. incluido en MST
Nodo 5-6 con distancia 126 m. incluido en MST
Nodo 13-15 con distancia 126 m. incluido en MST
Nodo 15-16 con distancia 61 m. incluido en MST
Nodo 11-8 con distancia 142 m. incluido en MST
El peso de MST es 2964
El resultado nos hará referencia a los nodos que están
incluidos en el Árbol de expansión mínima, los cuales al
sumar sus distancias nos indicará que son 2964 metros de pista
los cuales de verá implementar separadores de ciclovía.
REFERENCIAS
[1] P. Mojica “Teoría de grafos aplicada en la restauración del servicio en
redes de distribución de media tensión considerando prioridad de carga”,
Universidad de La Salle, Bogotá, Colombia, 2017. [En Línea].
Disponible: https://ciencia.lasalle.edu.co/ing_electrica/112
[2] M. Díaz “Diseño e Implementación de Algoritmos de Grafos para
Apache Giraph”, Computación Civil, pp. 38-46, agosto de 2017. [En
Línea]. Disponible:
http://dspace.utalca.cl/bitstream/1950/12129/3/tutcur-20170004.pdf
[3] D. Landup, D. Stamenic y J. Ninkovic (2022, Mayo). Minimum
Spanning Trees- Borůvka’s Algorithm [Online]. Avaliable:
https://stackabuse.com/courses/graphs-in-python-theory-and-
implementation/lessons/minimum-spanning-trees-boruvkas-algorithm/
[4] R. Mayta. “Algoritmo evolutivo para el problema de
Árbol de Expansión Mínima (MST)”, Universidad Nacional Mayor de
San Marcos, Lima, Perú, 2002. [En línea]. Disponible:
https://sisbib.unmsm.edu.pe/bibvirtual/publicaciones/indata/v05_n2/algo
rit_evo.htm
[5] N. Yadav. “Boruvka’s algorithm”. GeeksforGeeks, 2022. [En línea].
Disponible: https://www.geeksforgeeks.org/boruvkas-algorithm-greedy-
algo-9/

Fig. 6. MST del grafo de las pistas de la Universidad Nacional de

Ingeniería. Elaboración propia

Gracias a este resultado, se puede estimar el mínimo

presupuesto con el que será suficiente para la implementación
de separadores de ciclovía para la seguridad de los ciclistas en
su recorrido por las diferentes facultades y principales
establecimientos de la UNI.

VI. CONCLUSIONES

Se concluye que el algoritmo de Boruvka ha podido dar

solución a la situación problemática planteada, gracias a que
se obtuvo el MST (Árbol de Expansión mínimo) de un grafo
basado en las pistas de la UNI, por el cual los ciclistas podían
ir a cualquier facultad de la UNI.

Gracias a que el algoritmo encuentra el MST de un grafo, se

puede aplicar en casos en los que se requiera rutas óptimas en
donde se busque el mínimo recorrido de un grafo por sus
nodos.