求起始点1到N的最短路径.多组测试数据，对于每组数据 第一行是两个整数N， M。分别代表定点的数个和边的关系的个数。 从第二行至M+1行，每行三个整数，start, end, value。代表，节点start，节点end之间有一条长度为value的无向边。求1到N的最短路径。 (M, N, start, end, value < 100)对于每组测试数据，输出一个整数result，代表1至N的最短路径的value。

这道题可以使用 Dijkstra 算法求解。具体步骤如下：

1. 初始化距离数组 dist[]，将起点到每个顶点的距离设为无穷大，起点到自己的距离设为 0。

2. 创建一个集合 visited，用于记录已经确定最短路径的顶点。

3. 从起点开始，依次遍历与起点相邻的每个顶点，更新它们的距离。具体操作如下：

a. 选择一个距离起点最短的未确定最短路径的顶点 u。

b. 将顶点 u 加入 visited 集合中。

c. 遍历与顶点 u 相邻的每个顶点 v，更新 v 的距离。如果新的距离比原来的距离小，则更新 dist[v] 的值。

4. 重复步骤 3 直到所有顶点的最短路径都被确定。

5. 最终，dist[] 数组中存储的就是起点到每个顶点的最短路径长度。

需要注意的是，Dijkstra 算法只适用于没有负权边的图。如果图中存在负权边，可以考虑使用 Bellman-Ford 算法或 Floyd 算法。

以下是 Python 代码实现：

import heapq

INF = 0x3f3f3f3f

def dijkstra(graph, start, end):
    n = len(graph)
    dist = [INF] * n
    visited = set()
    heap = [(0, start)]
    dist[start] = 0
    while heap:
        (d, u) = heapq.heappop(heap)
        if u in visited:
            continue
        visited.add(u)
        for v, w in graph[u]:
            if dist[u] + w < dist[v]:
                dist[v] = dist[u] + w
                heapq.heappush(heap, (dist[v], v))
    return dist[end]

if __name__ == '__main__':
    while True:
        n, m = map(int, input().split())
        if n == 0 and m == 0:
            break
        graph = [[] for _ in range(n)]
        for _ in range(m):
            start, end, value = map(int, input().split())
            graph[start-1].append((end-1, value))
            graph[end-1].append((start-1, value))
        result = dijkstra(graph, 0, n-1)
        print(result)

时间复杂度为 O(mlogn)，其中 n 和 m 分别为顶点数和边数。