写出单源最短路径算法代码及输出结果

当然，这里我会介绍Dijkstra算法，一种常用的单源最短路径（SPT, Single Source Shortest Path）算法。这个算法通常用于寻找有向图或无向图中的最短路径，其中起点（source）已知。

以下是一个使用Python实现Dijkstra算法的例子，假设我们有一个简单的邻接矩阵表示图：

import heapq

def dijkstra(graph, start):
    distances = {node: float('infinity') for node in graph}
    distances[start] = 0
    pq = [(0, start)]
    
    while pq:
        current_distance, current_node = heapq.heappop(pq)
        
        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(pq, (distance, neighbor))
                
    return distances

# 示例图
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}
}

shortest_distances = dijkstra(graph, 'A')
print("从'A'到各节点的最短距离:", shortest_distances)

在这个例子中，`graph`是一个字典，键是节点名，值是另一个字典，表示每个节点与其邻居之间的边及其权重。运行这段代码后，你会看到从节点'A'出发到其他所有节点的最短路径长度。