c++实现【问题描述】 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. 【输入形式】 第一行有两个数n、m表示n个城市，m条边。 接下来的m行均为空格隔开的三个整数A B C，表示城市A和B之间的成本为C 【输出形式】 最小成本 最小成本对应的路径

以下是C++实现的代码，使用了TSP问题的动态规划解法：

#include <iostream>
#include <vector>
#include <cstring>
using namespace std;

const int N = 20, INF = 0x3f3f3f3f;
int n, m, g[N][N], f[1 << N][N];
vector<int> path;

int main() {
    cin >> n >> m;
    memset(g, 0x3f, sizeof g);
    for (int i = 0; i < m; i++) {
        int a, b, c;
        cin >> a >> b >> c;
        g[a][b] = g[b][a] = min(g[a][b], c);
    }

    memset(f, 0x3f, sizeof f);
    f[1][0] = 0;
    for (int i = 1; i < 1 << n; i += 2) { // 枚举子集，从0开始必须是奇数
        for (int j = 0; j < n; j++) {
            if (i >> j & 1) {
                for (int k = 0; k < n; k++) {
                    if (i - (1 << j) == 1 && k == 0) continue; // 特判只有0一个节点的情况
                    if (i >> k & 1) {
                        f[i][j] = min(f[i][j], f[i - (1 << j)][k] + g[k][j]);
                    }
                }
            }
        }
    }

    int res = INF, end = 0;
    for (int i = 1; i < n; i++) { // 枚举最后一个节点
        if (f[(1 << n) - 1][i] == INF) continue;
        if (res > f[(1 << n) - 1][i] + g[i][0]) {
            res = f[(1 << n) - 1][i] + g[i][0];
            end = i;
        }
    }

    if (res == INF) cout << -1 << endl;
    else {
        path.push_back(0);
        int state = (1 << n) - 1 - (1 << end);
        int u = end;
        while (state) { // 逆推路径
            for (int i = 0; i < n; i++) {
                if (state >> i & 1 && f[state][u] == f[state - (1 << i)][i] + g[i][u]) {
                    path.push_back(i);
                    state -= 1 << i;
                    u = i;
                    break;
                }
            }
        }
        path.push_back(end);

        cout << res << endl;
        for (int i = path.size() - 1; i >= 0; i--) {
            cout << path[i] << " ";
        }
    }

    return 0;
}

该代码的时间复杂度为 $O(n^22^n)$，对于较小的数据集可以通过，但对于较大的数据集则无法承受。因此，需要使用其他算法来解决该问题，比如遗传算法、模拟退火等启发式算法或者使用最优化算法来解决。