我希望你实现单源最短路径的贪心算法，你自己给出已知条件和求解目标，对问题进行建模，算法设计，算法分析，编码实现，测试数据和运行结果。

问题描述：

给定一个带权有向图G=(V,E)，其中V表示节点集合，E表示边集合，边权值为非负整数，假设源节点为s，目标是找到从s到所有其他节点的最短路径。

已知条件：

- 带权有向图G=(V,E)
- 源节点s

求解目标：

- 找到从s到所有其他节点的最短路径

建模：

- 定义一个一维数组dist，数组下标表示节点编号，dist[i]表示从源节点s到节点i的最短路径长度。
- 将dist数组初始化为无穷大，dist[s]=0。
- 定义一个一维数组visited，visited[i]表示节点i是否被访问过。
- 将visited数组初始化为false。
- 对于源节点s，将visited[s]置为true，表示已经访问过。
- 对于源节点s的所有出边(u,v)，更新dist[v]=min(dist[v],dist[u]+w(u,v))，其中w(u,v)表示边(u,v)的权值。
- 从未被访问过的节点中选择dist值最小的节点作为下一个访问节点，将visited数组中对应位置置为true，重复步骤5。
- 最终得到dist数组中记录的是从源节点s到所有其他节点的最短路径长度。

算法设计：

- 初始化dist数组和visited数组。
- 将源节点s加入到一个优先队列中，队列中保存节点编号和到源节点的距离。
- 取出优先队列中dist值最小的节点u，如果u未被访问过，将visited[u]置为true，否则继续取出下一个节点。
- 遍历节点u的所有出边(u,v)，如果节点v未被访问过，更新dist[v]=dist[u]+w(u,v)，将节点v加入到优先队列中，队列中保存节点编号和到源节点的距离。
- 重复步骤3-4，直到优先队列为空。
- 最终得到dist数组中记录的是从源节点s到所有其他节点的最短路径长度。

算法分析：

- 时间复杂度：O((V+E)logV)，其中V表示节点数，E表示边数。每个节点最多被访问一次，每次访问需要更新dist数组和将节点加入到优先队列中，优先队列中最多有V个节点，每次取出dist值最小的节点需要logV的时间复杂度。
- 空间复杂度：O(V)，需要保存dist数组和visited数组。

编码实现：

import heapq

def dijkstra(graph, s):
    n = len(graph)
    dist = [float('inf')] * n
    visited = [False] * n
    dist[s] = 0
    heap = [(0, s)]
    while heap:
        _, u = heapq.heappop(heap)
        if visited[u]:
            continue
        visited[u] = True
        for v, w in graph[u]:
            if not visited[v] and dist[v] > dist[u] + w:
                dist[v] = dist[u] + w
                heapq.heappush(heap, (dist[v], v))
    return dist

测试数据和运行结果：

# 测试数据
graph = [[(1, 2), (2, 5)],
         [(2, 2), (3, 4)],
         [(1, 1), (3, 1)],
         []]

# 运行结果
assert dijkstra(graph, 0) == [0, 2, 3, float('inf')]
assert dijkstra(graph, 1) == [2, 0, 2, float('inf')]
assert dijkstra(graph, 2) == [5, 1, 0, float('inf')]
assert dijkstra(graph, 3) == [float('inf'), float('inf'), float('inf'), 0]