最短路线算法：接送乘客到目的地

这是一个典型的旅行商问题（Traveling Salesman Problem，TSP），可以使用著名的动态规划算法—— Held-Karp 算法来解决。

首先，我们需要计算每个人之间的距离，以及每个人到目的地的距离。假设距离矩阵为 dist，其中 dist[i][j] 表示第 i 个人到第 j 个人的距离，dist[i][n] 表示第 i 个人到目的地的距离（n 为目的地个数）。我们可以使用任何通用的距离计算公式，如欧几里得距离或曼哈顿距离。

接下来，我们使用动态规划算法来计算最短路径。令 dp[S][i] 表示已经访问过集合 S 中的节点，最后停在节点 i 的最短路径长度。初始时，dp[{1<<n}-1][i] = dist[i][n]（即所有人都已经到达目的地）。最终答案为 dp[0][i]（所有人都还在起点）。

转移方程为：

dp[S][i] = min(dp[S-{i}][j] + dist[j][i])，其中 j∈S-{i}。

这个方程的含义是，在所有还未访问的节点中，选择一个最后访问的节点 i，在之前访问的节点集合 S-{i} 中找到一个最后访问的节点 j，使得路径长度最小。这个过程可以使用递归或迭代实现。

以下是完整的 C++ 代码实现：

const int MAXN = 20;
int dist[MAXN][MAXN];
int dp[1<<MAXN][MAXN];

int tsp(int n) {
    memset(dp, 0x3f, sizeof(dp));
    for (int i = 0; i < n; i++) {
        dp[1<<i][i] = dist[i][n];
    }
    for (int S = 1; S < (1<<n); S++) {
        for (int i = 0; i < n; i++) {
            if (S & (1<<i)) {
                for (int j = 0; j < n; j++) {
                    if (S & (1<<j) && i != j) {
                        dp[S][i] = min(dp[S][i], dp[S^(1<<i)][j] + dist[j][i]);
                    }
                }
            }
        }
    }
    return dp[(1<<n)-1][0];
}

int main() {
    // 输入距离矩阵...
    int ans = tsp(n+1);
    // 输出最短路径长度
    return 0;
}