使用列表定义对应数据 结构，完成算法的模拟并输出各个顶点之间的最短路径。

为了更好地回答你的问题，可以先确定一下使用哪个算法来求解最短路径，比如 Dijkstra 算法或 Floyd 算法。接下来，我们可以使用 Python 来实现：

假设我们要求解的是有向图，那么我们可以使用邻接矩阵来表示图。具体来说，我们可以使用一个二维列表来表示这个矩阵，其中列表的第 i 行第 j 列表示从顶点 i 到顶点 j 的边的权值。如果不存在从顶点 i 到顶点 j 的边，则权值为一个很大的数（比如 999999）。假设有 n 个顶点，则邻接矩阵的大小为 n × n。

下面是使用 Dijkstra 算法来求解最短路径的 Python 代码，其中我们假定已经给出了邻接矩阵 graph 和起点 start：

import heapq

def dijkstra(graph, start):
    n = len(graph)
    visited = [False] * n
    dist = [float('inf')] * n
    dist[start] = 0
    heap = [(0, start)]
    
    while heap:
        (d, u) = heapq.heappop(heap)
        if visited[u]:
            continue
        visited[u] = True
        for v in range(n):
            if graph[u][v] != 999999 and not visited[v]:
                alt = dist[u] + graph[u][v]
                if alt < dist[v]:
                    dist[v] = alt
                    heapq.heappush(heap, (dist[v], v))
    
    return dist

上述代码中，我们使用了堆来优化 Dijkstra 算法的时间复杂度。具体来说，我们维护了一个最小堆 heap，其中每个元素都是一个二元组 (d, u)，表示从起点到顶点 u 的距离为 d。在每次循环中，我们取出堆顶元素 (d, u)，然后对于所有与 u 相邻的顶点 v，如果从起点到 v 的距离可以通过从起点到 u 再加上从 u 到 v 来更新，则更新距离，并将 (dist[v], v) 加入堆中。

最后，我们可以调用 dijkstra 函数来求解最短路径，并输出结果：

graph = [
    [0, 10, 999999, 999999],
    [999999, 0, 5, 999999],
    [999999, 2, 0, 1],
    [999999, 999999, 999999, 0]
]
start = 0

dist = dijkstra(graph, start)

for i, d in enumerate(dist):
    print(f"The shortest distance from {start} to {i} is {d}")

上述代码中，我们使用了一个邻接矩阵来表示有向图，其中 0 表示同一个顶点，999999 表示没有边相连。我们将起点设为 0，然后调用 dijkstra 函数求解最短路径。最后，我们遍历所有顶点，输出从起点到该顶点的最短路径长度。