该问题可以使用拓扑排序结合最短路径算法来解决。首先，根据给定的节点访问顺序构建出有向图，然后对该图进行拓扑排序，得到所有节点的拓扑序列。接着，使用 Dijkstra 算法或 Bellman-Ford 算法来计算从起点到终点的最短路径。

以下是使用 Dijkstra 算法的示例代码：

import heapq

def find_shortest_path(graph, start, end, node_order):
    # 构建图
    new_graph = {}
    visited = set()
    for node in graph:
        new_graph[node] = []
    for i in range(len(node_order) - 1):
        if node_order[i+1] not in visited:
            new_graph[node_order[i]].append((node_order[i+1], 1))
    # 初始化起点到每个顶点的距离为无穷大
    distances = {v: float('infinity') for v in new_graph}
    distances[start] = 0

    # 使用堆优化 Dijkstra 算法计算最短路径
    pq = [(0, start)]
    while pq:
        (distance, current) = heapq.heappop(pq)
        if distance > distances[current]:
            continue
        for neighbor, weight in new_graph[current]:
            new_distance = distances[current] + weight
            if new_distance < distances[neighbor]:
                distances[neighbor] = new_distance
                heapq.heappush(pq, (new_distance, neighbor))

    return distances[end]

其中，参数 graph 是原始的无序图， start 和 end 是起点和终点， node_order 是节点访问顺序。函数返回起点到终点的最短路径长度。