ibm病狗问题，使用python完成算法代码

IBM的"病狗问题"是一个经典的问题解决例子，它涉及到图论中的最短路径搜索。问题描述的是在一个城市里，每家都养了一只狗，这些狗之间通过街道相连形成一张网络。当某一家的狗生病了，邻居们担心会被传染，所以他们希望找到一条从患病狗到自己家的最短路径，使得这条路径上没有任何其他患病的狗。

这通常可以通过Dijkstra's Algorithm或者A*搜索算法来实现。这里我给出一个使用Python的Dijkstra算法实现的例子，假设我们有一个邻接矩阵表示的城市网络：

import heapq

def dijkstra(graph, start):
    distances = {node: float('infinity') for node in graph}
    distances[start] = 0
    queue = [(0, start)]

    while queue:
        current_distance, current_node = heapq.heappop(queue)

        if current_distance > distances[current_node]:
            continue

        for neighbor, weight in graph[current_node].items():
            distance = current_distance + weight

            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(queue, (distance, neighbor))

    return distances

# 假设graph是一个字典，键是节点，值是另一个字典，表示相邻节点及其权重，例如：
# graph = {
#     'A': {'B': 1, 'C': 4},
#     'B': {'A': 1, 'C': 2, 'D': 5},
#     'C': {'A': 4, 'B': 2, 'D': 1},
#     'D': {'B': 5, 'C': 1}
# }

start_node = 'A'  # 病狗所在的位置
shortest_distances = dijkstra(graph, start_node)
print(f"从{start_node}出发的最短距离：", shortest_distances)