编写一个简单程序实现单源最短路径问题（贪心算法）

单源最短路径问题（Single Source Shortest Path, SSSP），例如Dijkstra算法或Floyd-Warshall算法，是图论中的经典问题，通常用于找到从给定起点到图中所有其他顶点的最短路径。这里我将简述使用Dijkstra算法的一个基本示例，它是一种贪心策略，假设每一步都会选择当前未访问节点中最邻近的节点。

# Python 示例 (使用Python内置数据结构)
import heapq

def dijkstra(graph, start):
    distances = {node: float('inf') for node in graph}
    distances[start] = 0
    visited = set()

    pq = [(0, start)]
    
    while pq:
        current_distance, current_node = heapq.heappop(pq)

        if current_node in visited:
            continue

        visited.add(current_node)

        # 遍历邻居并更新距离
        for neighbor, weight in graph[current_node].items():
            distance = current_distance + weight
            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(pq, (distance, neighbor))

    return distances

# 假设我们有一个邻接权重字典表示图
example_graph = {
    'A': {'B': 5, 'C': 1},
    'B': {'A': 5, 'C': 2, 'D': 1},
    'C': {'A': 1, 'B': 2, 'D': 4},
    'D': {'B': 1, 'C': 4, 'E': 8},
    'E': {'D': 8}
}

start_node = 'A'
shortest_paths = dijkstra(example_graph, start_node)
print(f"Shortest paths from {start_node}: {shortest_paths}")

在这个例子中，`graph`是一个字典，键是节点名，值是另一个字典，表示到每个相邻节点的边及其权重。运行此程序会返回一个字典，包含从起始节点到各个节点的最短距离。