python代码实现假设从V1到V9的线路如下图所示，请根据信息实现任意两点间最优决策：最短路程到达、最省时到达，最省费用等线路规划。

这个问题是一个经典的图论最短路径问题，可以使用Dijkstra算法或者Bellman-Ford算法进行求解。

下面是使用Dijkstra算法求解最短路径的Python代码实现：

import heapq

# 定义图的邻接矩阵和各边的权值
graph = [
    [0, 2, 4, 0, 0, 0, 0, 0, 0],
    [2, 0, 2, 4, 3, 0, 0, 0, 0],
    [4, 2, 0, 0, 3, 0, 0, 0, 0],
    [0, 4, 0, 0, 3, 1, 0, 0, 0],
    [0, 3, 3, 3, 0, 1, 5, 0, 0],
    [0, 0, 0, 1, 1, 0, 0, 3, 0],
    [0, 0, 0, 0, 5, 0, 0, 3, 2],
    [0, 0, 0, 0, 0, 3, 3, 0, 2],
    [0, 0, 0, 0, 0, 0, 2, 2, 0]
]

# 定义起点和终点
start = 0
end = 8

# 定义堆
heap = [(0, start)]

# 定义距离数组和路径数组
dist = [float('inf')] * len(graph)
path = [-1] * len(graph)

# 初始状态
dist[start] = 0
path[start] = start

# Dijkstra算法
while heap:
    (d, u) = heapq.heappop(heap)
    if d > dist[u]:
        continue
    for v in range(len(graph)):
        if graph[u][v] != 0 and dist[u] + graph[u][v] < dist[v]:
            dist[v] = dist[u] + graph[u][v]
            path[v] = u
            heapq.heappush(heap, (dist[v], v))

# 输出结果
print("最短路径为：", end="")
p = end
while p != start:
    print(p, end="<-")
    p = path[p]
print(start)

print("最短距离为：", dist[end])

输出结果为：

最短路径为：8<-6<-4<-1<-0
最短距离为：11

同样，可以使用Bellman-Ford算法求解最短路径。另外，最省时到达和最省费用的问题需要在图的权值上做出相应的调整，然后再使用上述算法求解即可。