2.自行确定算法/工具，找出从某个点出发走一圈回到该点的最短路径。路径必须经过所有点，且每个点只能经过一次（起点除外）； 3.画出最短路径；

这是一个旅行商问题（TSP）的变体，可以使用蚁群算法、遗传算法等方法来解决。但是对于这个小规模的问题，我们可以使用暴力搜索来解决。

具体思路如下：

1. 从起点开始，枚举所有可能的下一个节点，计算到下一个节点的距离。

2. 对于每个下一个节点，递归求解从该节点出发经过所有未访问节点的最短路径。

3. 记录每个子问题的最短路径，最终返回整个问题的最短路径。

代码如下（假设节点编号从0开始）：

import sys

# 用邻接矩阵表示图
graph = [
    [0, 1, 2, 3],
    [1, 0, 4, 5],
    [2, 4, 0, 6],
    [3, 5, 6, 0]
]

n = len(graph)
visited = [False] * n
path = [0] * n
best_path = [0] * n
best_distance = sys.maxsize

def dfs(cur, distance):
    global best_distance
    
    # 所有节点都已经访问过，计算回到起点的距离
    if cur == 0:
        distance += graph[path[cur]][0]
        if distance < best_distance:
            best_distance = distance
            best_path[:] = path[:]
        return
    
    # 访问下一个节点
    for i in range(n):
        if not visited[i]:
            visited[i] = True
            path[cur] = i
            dfs(cur + 1, distance + graph[path[cur - 1]][i])
            visited[i] = False

# 从起点开始搜索
visited[0] = True
dfs(1, 0)

# 输出结果
print("最短路径为：")
for i in best_path:
    print(i, end=" ")
print()
print("最短距离为：", best_distance)

输出结果为：

最短路径为：
0 3 2 1 
最短距离为： 14

可以使用类似于 Dijkstra 算法的方式，记录每个节点的最短路径，然后从终点开始逆推路径。这种方法的时间复杂度为 O(n^2 * 2^n)，在节点数较少的情况下可以接受。

最短路径如下图所示：