给定n个城市（从0到n-1），3元组[A, B, C]表示城市A和城市B之间存在道路，且成本为C。计算从0号城市出发，旅行完每个城市一遍，最后回到0号城市的最小成本与路径。如果不存在最优方案，输出-1.

这是著名的旅行商问题（TSP），它是一个NP难问题，目前还没有找到多项式时间的解法。

但是，对于较小的数据集，我们可以使用动态规划来解决这个问题。

我们可以定义状态dp[S][i]表示已经访问了集合S中的城市，当前在城市i，且最后回到0号城市的最小成本。其中，集合S中的每个元素表示已经访问的城市的编号，可以使用二进制位运算来表示。

对于状态dp[S][i]，它可以从dp[S-{i}][j]+cost(j,i)转移而来，其中j∈S-{i}，cost(j,i)表示从城市j到城市i的成本。

最终的答案就是dp[(1<<n)-1][0]，其中(1<<n)-1表示集合{0,1,2,...,n-1}的二进制表示。

以下是Python的实现代码：

def tsp(n, edges):
    INF = float('inf')
    dp = [[INF] * n for _ in range(1 << n)]
    dp[1][0] = 0
    for s in range(1 << n):
        for i in range(n):
            if not (s & (1 << i)):
                continue
            for j in range(n):
                if i == j or not (s & (1 << j)):
                    continue
                cost = next((c for u, v, c in edges if u == j and v == i), INF)
                dp[s][i] = min(dp[s][i], dp[s ^ (1 << i)][j] + cost)
    return dp[(1 << n) - 1][0] if dp[(1 << n) - 1][0] < INF else -1

其中，n表示城市的数量，edges是一个列表，每个元素是一个三元组(A, B, C)，表示城市A和城市B之间存在道路，且成本为C。