在编程中，要计算两个点之间的最短距离，可以使用多种算法。以下是一些常见的最短距离算法：
迪杰斯特拉算法（Dijkstra's Algorithm）
原理：迪杰斯特拉算法用于求解带权重的有向图中的单源最短路径问题。它通过逐步扩展离源点距离最短的节点来逐步计算最短路径。
步骤：
1. 初始化一个距离数组，将源点到所有其他节点的距离设为无穷大，源点到自身的距离设为0。
2. 维护一个未访问节点集合，每次从未访问节点集合中选择距离起点最近的节点。
3. 更新与该节点相邻节点的距离。
4. 重复步骤2和3，直到所有节点都被访问。
弗洛伊德-沃沙尔算法（Floyd-Warshall Algorithm）
原理：弗洛伊德-沃沙尔算法是一种动态规划算法，用于计算图中任意两个节点之间的最短路径。
步骤：
1. 初始化一个距离矩阵，其中每个元素表示两个节点之间的直接距离，如果两个节点之间没有直接路径，则设为无穷大。
2. 通过中间节点逐步更新距离矩阵，计算任意两个节点之间的最短路径。
3. 重复更新过程，直到所有节点都被用作中间节点。
贝尔曼-福特算法（Bellman-Ford Algorithm）
原理：贝尔曼-福特算法用于求解带权重的有向图中存在负权重边的单源最短路径问题。
步骤：
1. 初始化一个距离数组，将源点到所有其他节点的距离设为无穷大，源点到自身的距离设为0。
2. 进行V-1次迭代，每次迭代中更新所有边的距离，以减少总权重。
3. 在第V次迭代中，检查是否存在负权重环。如果存在，则说明无法找到最短路径。
克鲁斯卡尔算法（Kruskal's Algorithm） 和 普里姆算法（Prim's Algorithm）
原理：这两种算法用于求解最小生成树问题，从而间接得到两个节点之间的最短路径。
步骤：
克鲁斯卡尔算法：
1. 将所有边按权重从小到大排序。
2. 依次选择权重最小的边，如果该边的加入不会形成环，则将其加入最小生成树中。
普里姆算法：
1. 选择一个起始节点，将其所有相邻边按权重从小到大排序。
2. 选择权重最小的边，如果该边的加入不会形成环，则将其加入最小生成树中，并将该边的另一端节点加入生成树中。
选择哪种算法取决于具体的应用场景和需求。例如，在网络路由中，通常使用迪杰斯特拉算法；在需要计算图中任意两个节点之间最短路径时，可以使用弗洛伊德-沃沙尔算法；在存在负权重边的情况下，可以使用贝尔曼-福特算法；在求解最小生成树问题时，可以使用克鲁斯卡尔算法或普里姆算法。
建议根据具体问题的特点选择合适的算法，以确保计算结果的正确性和效率。