追求最优路径的编程通常涉及到图论、动态规划、贪心算法等优化技术。下面是一个使用Dijkstra算法在图中寻找最短路径的Java示例代码，该算法可以找到从起点到所有其他顶点的最短路径。
```java
import java.util.*；
public class ShortestPath {
private static final int INF = Integer.MAX_VALUE；
public static void main（String[] args） {
// 创建图的邻接矩阵
int[][] graph = {
{0, 5, 7, INF, INF, INF, 2},
{5, 0, INF, 9, INF, INF, 3},
{7, INF, 0, INF, 8, INF, INF},
{INF, 9, INF, 0, 4, 5, INF},
{INF, INF, 8, 4, 0, 5, 4},
{INF, INF, INF, 5, 5, 0, 6},
{2, 3, INF, INF, 4, 6, 0}
}；
// 起始顶点
int start = 0；
// 使用Dijkstra算法找到最短路径
int[] shortestDistances = dijkstra（graph, start）；
// 打印结果
System.out.println（"顶点\t最短距离"）；
for （int i = 0； i < graph.length； i++） {
System.out.println（i + "\t" + shortestDistances[i]）；
}
}
public static int[] dijkstra（int[][] graph, int start） {
int n = graph.length；
int[] shortestDistances = new int[n]；
boolean[] visited = new boolean[n]；
// 初始化距离数组
Arrays.fill（shortestDistances, INF）；
shortestDistances[start] = 0；
// 遍历所有顶点
for （int i = 0； i < n； i++） {
// 找到未访问的距离最小的顶点
int u = minDistance（shortestDistances, visited）；
// 标记为已访问
visited[u] = true；
// 更新相邻顶点的距离
for （int v = 0； v < n； v++） {
if （!visited[v] && graph[u][v] != INF &&
shortestDistances[u] != INF &&
shortestDistances[u] + graph[u][v] < shortestDistances[v]） {
shortestDistances[v] = shortestDistances[u] + graph[u][v]；
}
}
}
return shortestDistances；
}
public static int minDistance（int[] shortestDistances, boolean[] visited） {
int min = INF；
int minIndex = -1；
for （int v = 0； v < shortestDistances.length； v++） {
if （!visited[v] && shortestDistances[v] <= min） {
min = shortestDistances[v]；
minIndex = v；
}
}
return minIndex；
}
}
```
在这个例子中，我们首先定义了一个图的邻接矩阵，然后使用Dijkstra算法计算从起点到所有其他顶点的最短路径。最后，我们打印出每个顶点的最短距离。这个算法假设图中没有负权重的边。如果图中存在负权重边，那么应该使用Bellman-Ford算法或者改进的算法来处理这种情况。
请注意，这个例子是为了演示目的而简化的，实际应用中可能需要处理更复杂的情况，例如多源最短路径、带有负权重边的图等。此外，如果需要找到所有可能的最优路径，而不是最短路径，那么可能需要使用其他算法，如深度优先搜索（DFS）或广度优先搜索（BFS）。