请给出一个动态规划解决哈密顿回路的代码

下面是一个基于动态规划的哈密顿回路解决方案的示例代码，时间复杂度为 O(2^n * n^2)，其中 n 是图中的顶点数。

import sys

def tsp(graph):
    n = len(graph)
    memo = [[None] * (1 << n) for _ in range(n)]

    def dp(start, visited):
        if visited == (1 << n) - 1:
            return graph[start][0]
        if memo[start][visited] is not None:
            return memo[start][visited]
        res = sys.maxsize
        for i in range(n):
            if visited & (1 << i) == 0:
                res = min(res, graph[start][i] + dp(i, visited | (1 << i)))
        memo[start][visited] = res
        return res

    return dp(0, 1)

# 示例
graph = [[0, 10, 15, 20],
         [10, 0, 35, 25],
         [15, 35, 0, 30],
         [20, 25, 30, 0]]
print(tsp(graph))  # 输出 80

该代码实现了一个带备忘录的递归函数 `dp(start, visited)`，其中 `start` 表示当前所在的顶点，`visited` 是一个二进制数，表示已经访问过的顶点集合。函数返回从当前顶点出发，经过所有未访问的顶点恰好一次，最终回到起点的最短路径长度。在函数内部，首先判断是否已经访问过所有顶点，如果是直接返回从当前顶点到起点的距离；否则，遍历所有未访问的顶点，计算从当前顶点到该顶点的距离加上从该顶点出发，经过所有未访问的顶点恰好一次，最终回到起点的最短路径长度。最后，将计算结果存入备忘录并返回。

在主函数中，我们调用 `dp(0, 1)` 计算从起点 0 出发，经过所有顶点恰好一次，最终回到起点的最短路径长度。