【问题描述】某售货员要到若干城市去推销商品，各城市之间的距离为已知. 他要选定一条从驻地出发经过所有城市最后回到驻地的周游路线，使得总的路程最短. 【输入形式】第一行输入无向图的顶点个数及边数。第二行开始输入顶点之间的边的长度(顶点i 顶点j ij边长度） 【输出形式】最短路程值

这是一个经典的旅行商问题，可以使用动态规划或者搜索算法来解决。以下是使用动态规划的解法：

1. 定义状态：设f[S][i]表示经过集合S中所有顶点，以i为终点的最短路径长度。其中S是一个二进制状态，比如S=101表示经过了第1个和第3个顶点。

2. 初始化：f[{1<<i}][i] = dist[0][i]，表示只经过顶点i的路径长度。

3. 状态转移：对于任意的S和i，有f[S][i] = min{f[S-{i}][j] + dist[j][i]}，其中j是S中除了i以外的某个顶点。这个公式的意思是，假设我们已经知道了S-{i}集合中所有顶点到i的最短距离，那么我们可以从中选择一个顶点j，使得经过S-{i}中所有顶点再到j再到i的总距离最短。

4. 最终结果：答案是f[{111...1}][0]，其中111...1表示所有顶点都被经过了一遍。

下面是Python代码实现：

n, m = map(int, input().split())
dist = [[float('inf')] * n for _ in range(n)]
for i in range(n):
    dist[i][i] = 0
for _ in range(m):
    a, b, w = map(int, input().split())
    dist[a][b] = dist[b][a] = w

f = [[float('inf')] * n for _ in range(1 << n)]
f[1][0] = 0

for S in range(1, 1 << n):
    for i in range(n):
        if S & (1 << i) == 0:
            continue
        for j in range(n):
            if j == i or dist[j][i] == float('inf'):
                continue
            f[S][i] = min(f[S][i], f[S ^ (1 << i)][j] + dist[j][i])

print(f[(1 << n) - 1][0])

注意到这里用到了状态压缩技巧，即用一个二进制数来表示集合。比如1<<i就表示只包含第i个顶点的集合。S & (1<<i) == 0表示S中不包含第i个顶点。S ^ (1<<i)表示从S中删除第i个顶点。