以下是使用广度优先搜索（BFS）遍历逻辑连接6个点的代码示例（使用Python编写）：

from collections import deque

def bfs(graph, start):
    visited = set()
    queue = deque([start])

    while queue:
        vertex = queue.popleft()
        if vertex not in visited:
            print(vertex)
            visited.add(vertex)
            queue.extend(graph[vertex] - visited)

# 创建一个字典表示图的连接关系
graph = {
    'A': {'B', 'C'},
    'B': {'A', 'D', 'E'},
    'C': {'A', 'F'},
    'D': {'B'},
    'E': {'B', 'F'},
    'F': {'C', 'E'}
}

# 从点A开始进行BFS遍历
bfs(graph, 'A')

上述代码中，我们使用一个字典graph表示图的连接关系，其中每个点作为键，对应的连接点集合作为值。然后，我们定义了一个bfs函数来执行BFS遍历，其中start参数表示从哪个点开始遍历。

在bfs函数中，我们使用一个集合visited来记录已访问过的点，使用一个双端队列queue来存储待访问的点。我们从起始点开始，将其加入queue中，并不断从队列的左侧取出一个点进行处理。如果这个点没有被访问过，我们将其加入visited集合并输出它，然后将它的连接点（未访问过的）加入queue中。重复这个过程，直到队列为空，即完成了BFS遍历。

在上述代码中，我们从点A开始进行BFS遍历，输出结果为：A, B, C, D, E, F。这表示从点A出发，依次访问了所有与之相连的点。