【问题描述】假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。 【输入形式】城市数目，以及城市之间的距离 【输出形式】所有路径之中的最小值 【样例输入】 4 0,10,15,20 10,0,35,25 15,35,0,30 20,25,30,0 【样例输出】 80 【样例说明】 第一行说明有4个城市；第2至5行说明一个城市与其他城市的距离，其中城市到其自身的距离为0，不可达的城市之间的距离为0。

这是一个经典的旅行商问题，可以使用动态规划或者状态压缩搜索来解决。以下是一个动态规划的解法：

设dp[S][i]表示已经访问过集合S中的点，当前在i点的最小路径长度。其中S是一个二进制状态，每一位表示对应的城市是否已经访问过，i表示当前所在的城市。

状态转移方程为：dp[S][i] = min(dp[S-{i}][j]+dist[j][i])，其中j表示集合S-{i}中的一个已经访问过的城市，dist[j][i]表示从j到i的距离。

最终答案为dp[(1<<n)-1][0]，表示已经访问过所有城市，回到起点0的最小路径长度。

以下是一个Python代码实现：

n = int(input())
dist = []
for i in range(n):
    dist.append(list(map(int, input().split(','))))

dp = [[float('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)): # i城市还未访问过
            continue
        for j in range(n):
            if j == i or not (S & (1<<j)): # j城市已经访问过或者不可达
                continue
            dp[S][i] = min(dp[S][i], dp[S-(1<<i)][j]+dist[j][i])

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

时间复杂度为O(n^2 * 2^n)，可以通过状态压缩优化空间复杂度为O(n * 2^n)。