用Dijkstra算法求某一确定顶点到所有其它顶点的最短路径。

好的，对于用Dijkstra算法求某一确定顶点到所有其它顶点的最短路径，可以按照以下步骤进行：

1. 初始化：将起点设置为已访问，将起点到每个顶点的距离设置为起点到该顶点的边的权值，将起点加入已确定最短路径的集合中。

2. 迭代：在剩余的未访问的顶点中，选择与已知最短路径集合中距离最近的顶点作为当前顶点，将它加入已知最短路径集合中。

3. 更新：对于与当前顶点相邻的未访问的顶点，计算它们到起点的距离，如果通过当前顶点到达这些顶点的距离更短，就更新它们的距离。

4. 重复迭代和更新，直到所有顶点都被加入已知最短路径集合中。

5. 最终得到每个顶点到起点的最短路径。

下面是一个简单的Python实现：

import heapq

def dijkstra(graph, start):
    # 初始化距离字典和已知最短路径集合
    distance = {vertex: float('inf') for vertex in graph}
    distance[start] = 0
    visited = set()

    # 堆优化的Dijkstra算法
    heap = [(0, start)]
    while heap:
        (dist, current_vertex) = heapq.heappop(heap)

        # 如果当前顶点已经在已知最短路径集合中，跳过
        if current_vertex in visited:
            continue

        visited.add(current_vertex)

        # 更新与当前顶点相邻的顶点的距离
        for neighbor, weight in graph[current_vertex].items():
            if neighbor not in visited:
                new_distance = dist + weight
                if new_distance < distance[neighbor]:
                    distance[neighbor] = new_distance
                    heapq.heappush(heap, (new_distance, neighbor))

    # 返回距离字典
    return distance

其中，graph是邻接表表示的图，start是起点。这个实现中使用了堆优化，可以有效地加速算法。