使用Dijkstra算法，对给定的图计算出两点间的最短路径。

以下是使用Dijkstra算法计算给定图中两点间最短路径的步骤：

1. 初始化图中所有节点的距离为无穷大，起点的距离为0。
2. 选取距离起点最近的节点，并标记为已访问。
3. 更新与该节点相邻的节点的距离，如果更新后的距离比原来的距离小，则更新距离。
4. 重复步骤2和3，直到所有节点都被访问过或者终点被访问到。
5. 根据更新后的距离，反向查找最短路径。

下面是一个使用Python实现Dijkstra算法的例子，假设我们要求解从节点A到节点E的最短路径：

graph = {
    'A': {'B': 6, 'D': 1},
    'B': {'A': 6, 'C': 5, 'D': 2, 'E': 2},
    'C': {'B': 5, 'E': 5},
    'D': {'A': 1, 'B': 2, 'E': 1},
    'E': {'B': 2, 'C': 5, 'D': 1}
}

def dijkstra(graph, start, end):
    # 初始化距离
    distances = {node: float('inf') for node in graph}
    distances[start] = 0

    # 记录最短路径
    path = {}

    # 记录已访问的节点
    visited = set()

    # 循环直到所有节点都被访问
    while len(visited) < len(graph):
        # 选取距离起点最近的节点
        current_node = min(
            (node for node in distances if node not in visited),
            key=lambda node: distances[node]
        )

        # 标记为已访问
        visited.add(current_node)

        # 更新与该节点相邻的节点的距离
        for neighbor, distance in graph[current_node].items():
            if neighbor not in visited:
                new_distance = distances[current_node] + distance
                if new_distance < distances[neighbor]:
                    distances[neighbor] = new_distance
                    path[neighbor] = current_node

    # 反向查找最短路径
    shortest_path = [end]
    while end != start:
        shortest_path.append(path[end])
        end = path[end]
    shortest_path.reverse()

    return shortest_path

# 调用函数并输出结果
print(dijkstra(graph, 'A', 'E')) # 输出：['A', 'D', 'E']