如何根据地形、坡度等生成最小成本路网？

最近我正在计算一个生成最小成本的路网问题。具体内容为：这个路网要覆盖54个城市节点，保证这些城市都联通到该路网，道路修建的成本取决于坡度、地形、土地利用情况等，这个路网在满足覆盖要求的同时要成本最小化。

我现在有两个思路：
（1）利用成本连通性工具：似乎要把节点（节点实际代表的是城市）扩充为区域才能计算准确， 当我直接用spatial analysis的Stowe.gdb进行试验时（没有把节点转换成区域）发现了两个问题，如图：



a)有点节点并没有被路网覆盖    b)路网有的地方形成了闭环，如画黄圈的地方。   不知道这两个问题怎么解决。

（2）思路2：分别读取54个节点，让每个节点与另外53个节点依次计算最小成本路径，会有54*53/2=1431条路径，把这些路径和对应的成本及节点存储，再用Python调用这些数据实现kruskal算法，即可生成最小成本树。但在实现的过程中我不太清楚如下几点：a)怎么从shape文件中，按顺序一次读取一个节点 b)怎么计算一个节点到多个节点的最小成本距离（难道只能通过Python借助循环语句实现吗？如果是，具体代码怎么写呢？） c)如果前面的内容已经实现，接下来怎么把生成的最小成本路径信息进行存储以方便kruskal算法的调用