以下是使用Python語言結合networkx庫來解決最短路徑問題的示例。

1. 安裝networkx庫（如果沒有安裝）
   • 如果使用pip，可以在命令行中運行pip install networkx。
2. 示例代碼

   import networkx as nx
import matplotlib.pyplot as plt

   # 創建一個有向圖
   G = nx.DiGraph()

   # 添加節點
   G.add_nodes_from([1, 2, 3, 4, 5])

   # 添加邊及權重
   G.add_edge(1, 2, weight = 2)
   G.add_edge(1, 3, weight = 1)
   G.add_edge(2, 4, weight = 3)
   G.add_edge(3, 4, weight = 1)
   G.add_edge(3, 5, weight = 4)
   G.add_edge(4, 5, weight = 2)

   # 計算從節點1到節點5的最短路徑
   shortest_path = nx.shortest_path(G, source = 1, target = 5, weight='weight')
   shortest_length = nx.shortest_path_length(G, source = 1, target = 5, weight='weight')

   print("最短路徑:", shortest_path)
   print("最短路徑長度:", shortest_length)

   # 繪制圖形（可選）
pos = nx.spring_layout(G)
nx.draw_networkx_nodes(G, pos)
nx.draw_networkx_edges(G, pos)
nx.draw_networkx_labels(G, pos)
plt.show()

   • 在這個示例中：
     • 首先創建了一個有向圖G。
     • 然后添加了節點和邊以及邊的權重。
     • 使用nx.shortest_path函數來計算從指定源節點到目標節點的最短路徑，nx.shortest_path_length函數計算最短路徑的長度。
     • 最后，還有一段繪制圖形的代碼（這部分是可選的，如果不需要可視化可以刪除相關代碼）。

這只是一個簡單的示例，對于更復雜的圖結構和不同的應用場景，可能需要對代碼進行調整。