O principal objetivo desta dissertação é o estudo de implementações de algoritmos paralelos usando estruturas de dados que sejam teoricamente eficientes para o problema da Floresta Geradora Mínima. Primeiro vimos os principais algoritmos seqüenciais para o problema, tanto determinísticos quanto probabilísticos. No campo da computação paralela, descrevemos os principais modelos de computação existentes e fizemos uma breve discussão acerca da necessidade da construção de um modelo único. Dentro de cada modelo, buscamos descrever os algoritmos para o Problema da Floresta Geradora Mínima mais eficientes encontrados na literatura. Fizemos, ainda, um estudo de alguns artigos sobre implementações para o problema em máquinas paralelas. Por fim, implementamos na máquina paralela Parsytec PowerXplorer uma adaptação do Algoritmo de Das, Deo e Prasad. Em seguida, descrevemos um novo algoritmo assíncrono baseado na estratégia de eliminação de arestas, que obteve desempenho melhor que o algoritmo de Das et al. Com a implementação deste algoritmo alcançamos um speedup entre 1,70 e 2,65 com 4 processadores, e um speedup entre 1,06 e 5,23 com 8 processadores para grafos com número de vértices entre 200 e 1500 e densidade entre 10% e 60%

The main goal of this dissertation is to study parallel algorithms' implementation using data structures which are theoretically efficient for the minimum spanning forest problem. First, we describe sequential deterministic and randomized algorithms. Next, we discusse the main models for parallel computing and the attempt to establish an unique model for parallel computing. For each model, we report the most efficient algorithm for minimum spanning forest problem found in literature. We also make a description of some articles about implementations in parallel machines. Finally, we implement an adaptation of the Algorithm of Das, Deo and Prosad in Parsitec's PowerXplorer parallel machine. Next, we report a new asynchronous algorithm based in an edge elimination strategy. This algorithm has better performance than the Algorithm of Das, Deo and Prosad. With this implementation we obtain speedup ranging from 1.70 to 6.25 with 4 processors and from 1.06 to 5.23 with 8 processors in graphs with number of vertices between 200 and 1500 and density between 10% and 60%