使用邻接表的方法构造带权图，并利用Dijkstra算法寻找从某个源点到其他所有顶点的最短路径，要求： （1）写出完整的带权图的实现程序，不能直接import pythonds中的Graph和Vertex模块； （2）允许使用pythonds中的PriorityQueue模块辅助实现Dijkstra算法； （3）需要详细描述算法的设计思路，并对程序添加详细的注释。

好的，我会尽力回答你的问题。

首先，需要明确一下带权图的概念。带权图指的是图中每条边都有一个权值，可以理解为边的长度或者代价。Dijkstra算法是一种用于解决带权图最短路径问题的贪心算法，其基本思路是从源点开始，每次选择当前最短路径权值的节点作为下一个中间点，然后更新起点到其它所有节点的距离。

邻接表是一种图的表示方法，其基本思路是将图中每个节点的邻居节点记录在一个链表中。在实现Dijkstra算法时，我们可以使用邻接表来存储图的信息，以方便快速查找节点的邻居节点和对应边的权值。

下面是一个使用邻接表实现的带权图的程序示例：

# 定义节点类
class Vertex:
    def __init__(self, key):
        self.id = key
        self.connectedTo = {}

    def addNeighbor(self, nbr, weight=0):
        self.connectedTo[nbr] = weight

    def getConnections(self):
        return self.connectedTo.keys()

    def getId(self):
        return self.id

    def getWeight(self, nbr):
        return self.connectedTo[nbr]

# 定义图类
class Graph:
    def __init__(self):
        self.vertList = {}
        self.numVertices = 0

    def addVertex(self, key):
        self.numVertices += 1
        newVertex = Vertex(key)
        self.vertList[key] = newVertex
        return newVertex

    def getVertex(self, n):
        if n in self.vertList:
            return self.vertList[n]
        else:
            return None

    def __contains__(self, n):
        return n in self.vertList

    def addEdge(self, f, t, weight=0):
        if f not in self.vertList:
            self.addVertex(f)
        if t not in self.vertList:
            self.addVertex(t)
        self.vertList[f].addNeighbor(self.vertList[t], weight)

    def getVertices(self):
        return self.vertList.keys()

# 定义Dijkstra算法函数
def dijkstra(aGraph, start):
    pq = PriorityQueue()
    start.setDistance(0)
    pq.buildHeap([(v.getDistance(),v) for v in aGraph])
    while not pq.isEmpty():
        currentVert = pq.delMin()
        for nextVert in currentVert.getConnections():
            newDist = currentVert.getDistance() \
                    + currentVert.getWeight(nextVert)
            if newDist < nextVert.getDistance():
                nextVert.setDistance( newDist )
                nextVert.setPrevious(currentVert)
                pq.decreaseKey(nextVert,newDist)

# 测试代码
g=Graph()
for i in range(6):
    g.addVertex(i)
g.addEdge(0,1,5)
g.addEdge(0,5,2)
g.addEdge(1,2,4)
g.addEdge(2,3,9)
g.addEdge(3,4,7)
g.addEdge(3,5,3)
g.addEdge(4,0,1)
g.addEdge(5,4,8)
g.addEdge(5,2,1)
start = g.getVertex(0)
dijkstra(g,start)
for v in g:
    print(v.getId(), v.getDistance())

在上面的程序中，我们定义了节点类Vertex和图类Graph，其中节点类Vertex包含节点id和邻居节点等信息，图类Graph包含节点列表和节点数量等信息。我们可以使用addVertex方法和addEdge方法向图中添加节点和边。

在实现Dijkstra算法时，我们需要使用优先队列PriorityQueue来存储节点，以支持以最小距离为关键字的优先级排序。在dijkstra函数中，我们首先将起点的距离设置为0，并将起点加入优先队列中。然后，我们循环遍历队列中的节点，对于每个节点的邻居节点，计算从起点到该邻居节点的距离，并更新该邻居节点的距离和前驱节点信息。最后，我们使用decreaseKey方法将更新后的节点重新加入优先队列中。

在测试代码中，我们创建了一个带权图，并使用dijkstra函数计算了从起点0到其它节点的最短路径。输出结果为每个节点的id和距离。

需要注意的是，上面的程序只是一个简单的示例，实际应用中可能需要增加更多的功能和处理异常情况的代码。