如何使用编程语言实现Dijkstra算法来计算图4-14中每个顶点作为源时，到达所有其他顶点的最短路径？

Dijkstra算法是一种用于寻找有向图中两点之间最短路径的贪心算法。以下是使用Python实现Dijkstra算法的基本步骤：

1. **初始化**：
- 将距离起点的距离设置为0（起点自身），其他顶点的距离设为无穷大（通常用极大整数表示）。
- 创建一个优先级队列（例如`heapq`模块的最小堆），将起点加入，并将其距离设置为0。

2. **遍历**：
- 从队列中取出当前距离最小的节点（即未访问过的节点），标记为已访问。
- 对于该节点的所有邻接节点，更新它们的距离，如果通过该节点的路径比当前记录的更短，则更新并把它们放回队列。

3. **更新距离**：
- 使用邻接节点的距离加上到当前节点的距离，得到新距离，然后检查这个新距离是否小于原来的距离。如果是，就更新邻居节点的距离，并调整其在队列中的位置。

4. **重复直到结束**：
- 如果队列为空，说明已经处理了所有节点，算法完成。否则，取下一个距离最小的节点继续处理，直到队列中只剩下一个元素，即终点。

5. **存储结果**：
- 最终得到的距离数组就是从起点到每个顶点的最短路径长度。

这是一个简化的伪代码示例：

import heapq

def dijkstra(graph, start):
    distances = {node: float('inf') 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  # 已经找到更短路径，跳过
        
        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

# 用图4-14的实际数据结构替换graph和start变量，这里需要一个字典或邻接矩阵表示图，键为节点，值为另一个字典或列表表示相邻节点及其权重