以无向网表示n个城市之间的通信网络计划，其中顶点表示城市，边上的权表示工程造价。请设计程序求出该通信网络总工程造价最低的建设方案

这是一个经典的最小生成树问题，可以使用Prim算法或Kruskal算法求解。

下面给出Prim算法的实现过程：

1. 任选一个城市作为起点，将其加入已选集合S中；
2. 对于所有不在S中的城市，计算它与S中所有城市之间的边的权值，并选择其中权值最小的那个城市，将其加入S中；
3. 重复第二步，直到S中包含所有n个城市，此时已经构建出了一棵最小生成树。

具体实现时，可以使用一个优先队列来存储所有不在S中的城市，按照与S中城市之间的边的权值排序。每次从队列中取出权值最小的城市加入S中，并更新队列中其他城市与S中城市之间的边的权值。最终，S中包含所有n个城市时，就得到了最小生成树。

下面是Prim算法的伪代码：

def Prim(G):
    n = len(G)
    S = set() # 已选集合
    dist = [float('inf')] * n # 存储每个城市到S中城市之间的最短距离
    dist[0] = 0 # 从第一个城市开始
    q = [(0, 0)] # 队列，存储不在S中的城市，按照到S中城市的距离排序
    while len(S) < n:
        d, u = heappop(q) # 取出队列中距离最小的城市
        if u in S: # 如果该城市已经在S中，说明已经找到了到该城市的最短路径
            continue
        S.add(u)
        for v, w in G[u]: # 遍历所有与u相邻的城市
            if v not in S and w < dist[v]: # 如果v不在S中并且到v的距离更短
                dist[v] = w
                heappush(q, (w, v)) # 将v加入队列
    return sum(dist)

其中，G是邻接表表示的无向图，每个元素为一个二元组，表示与该城市相邻的城市和边的权值。heappop和heappush分别表示从队列中取出最小元素和向队列中插入一个元素，这里使用了Python的heapq库。最终返回dist数组中所有元素的和，即为最小生成树的总权值，即通信网络总工程造价最低的建设方案。